[KEIT 이슈리포트] 빠르게 대중화되고 있는 기술, 자율주행차 인공지능 상용화 기술과 산업 전망 정보

중형 이상 고급차에만 적용되던 자율주행 기술이 빠르게 대중화되고 있다는 이야기, 들으셨나요? 최근 국내 자동차업계에서는 아예 운전자보조(ADAS) 기능을 탑재한 소형차와 상용차를 선보이기 시작했을 것이다. 운전자 보조기능은 차량이 위험하다. 귀취를 감지하여 차체를 제어하거나 쾌적하게 속도를 유지하는 자율주행기술입니다. 최근 현대자동차에서 공개된 준대형 트럭과 소형 SUV, 기아자동차의 소형 SUV에 드라이버 보조 기능을 탑재했다고 할 수 있다. 운전자 보조 기능과 같은 자율주행 기술의 경우, 초기에는 안전성을 우려하는 소비자가 많았지만, 계속 발전·개선되면서 실제 운전자에게도 과거 유행이 높아지고 있음을 알 수 있는 현상입니다.​

>

기존 자동차 산업의 패러다임은 '자율형 모빌리티'로 진화하였으며, 니즈에 맞춰 맞춤형 모빌리티 서비스를 공급하는 수요자 중 서비스 산업으로 변천되어 급격한 재편이 예상되고 있습니다. 자율형 모 빌러티 산업(로봇 회사 라스트 마일 등)이 상용화되려면 특정 구간은 환경에서 운전자 개입 없이 목적지까지 운행할 수 있는 Lv.4수준의 자율 주행 기술을 확보하는 것이 필수적입니다.​

>

현재 세계적으로 미래의 자율주행시장과 소비자를 선점하기 위한 경쟁이 치열해지고 있습니다. 주요 OEM과 주요 웨이모, 엔비디아, 퀄컴 등 대형 Tech Company에서는 높은 수준의 자율주행 기술을 확보하고 있음을 광고, 기술 시연 등 다양한 형태로 홍보하고 있어 자율주행에 대한 대중의 관심이 집중되고 기대치가 높은 상황입니다. 그러면 신자율주행 기술의 과신에 의한 글재주가 발발해, 소비자의 심정적인 불안감이 높아지고 있어 산업 육성에 심정적인 장애가 될 수도 있다고 하는 염려도 있습니다.그러면 새 NHTSA 자율주행차 도입 시자리오에 따르면 완벽하지 않더라도 자율주행차를 조기에 출시하는 것이 장기적으로 교통문재 사망자 감소에 도움이 될 것으로 예상되며, 자율주행차 도입을 통한 사회적 현안을 해결하기 위해 자율주행 기술 보급을 조기달성하기 위한 신뢰성을 확보하고 관련 서비스를 발굴하는 과정이 필요하다.​

>

▲ 자동 운전 차 인공 지능 기술의 개요=미 쿡 자동차 공학회(SAE)의 정의에 따르면 자동 운전 Lv.2와 Lv.3의 기술적 차이는 주행 환경 모니터링의 주체, Lv.3와 Lv.4는 시스템 오류의 상황에 대응 주체에 있다고 할 수 있어요. Lv.4이상의 고 수준의 자율 주행 차는 주행 환경 모니터링과 시스템 오류에 대한 Fallback기능까지 운전자 개입 없이 자체적으로 대응할 수준으로 정의되기 때문임. 세계적인 이슈였던 자율주행차 관련 사고사례 분석을 비롯해 NHTSA가 Fully Automated Vehicle이 권고하고 있는 'Set of Behavioral Competencies'에서도 핵심기술은 인지/판단/결함 대응으로 분류되어 있으며, 현재 주행환경을 모니터링하기 위한 센서 융합분야는 딥러닝(Deep Learning)을 기반으로 인간의 인식 수준에 가까워질수록 발전 단계라고 합니다.​

>

자율주행차량의 인공지능은 다양한 주행환경에 대한 반복학습을 통해 수준을 향상시킬 수 있기 때문에 학습을 위한 주행데이터 확보가 필수적입니다. 도서 『 Deep Learning』에 따르면 카테코리당 약 5,000개 정도의 학습 데이터가 있어야 하며, 인간 성능에 필적하거나 극복하려면 적어도 하나 00만장의 학습 예제가 필요로 합니다. 또정확한학습을위해서는학습예제에대한정답을정확하게태깅해야하는데이과정은굉장히오랜시간이걸리는데요.​

>

​, 자율 주행 자동차 인공 지능 상용화 기술"Driving to Safety How Many Miles of Drining Would It Take to Demonstrate Autonomous Vehicle Reliability?"연구에 의하면 완전 자율 주행에 필요한 컴퓨팅 성능은 50대에서 한 00대의 노트북을 동시에 연결하여 동작시키는 것과 비슷하다는 분석이 자신 왔습니다. 이에 따른 소비 전력이 2~4kW로 Lv.4본인 Lv.5의 자율 주행 능력을 갖춘 자동차는 결과적으로 연비가 5~일 0%정도 떨어질 것으로 추정하고 있어 상용화를 위해서는 전력 소비량이 적지만 강력한 성능의 인공 지능의 하드웨어가 필수입니다.현재 인공지능 기술은 자율주행 객체의 인식에서 복잡한 도로상황에 따른 판단영역에 우선 사용되고 있는데, 본인, 인지영역으로 확대 가능하며 자율주행에 필요한 인공지능 하드웨어는 특정 기술에 종속되지 않도록 기술 또는 호환성을 유지하는 것이 중요하다. 개발용으로 활용되고 있는 많은 딥러닝 플레이더워크가 엔비디아의 GPU에서만 동작하는 CUDA 기반으로 개발되어 엔비디아 이외의 하드웨어와는 호환이 불가능한 문제가 있기 때문입니다.따라서 딥러닝 기법의 상용화를 위해 다양한 인공지능 하드웨어 환경에서 사용할 수 있는 OpenCL과 같은 기반 딥러닝 플레이더워크의 개발 및 고속화에 대한 연구가 진행되고 있는 상황입니다. 상용화를 시야에 넣어 한정된 하드웨어 자원(컴퓨팅 파워, 전력 소비량)이나 글로벌 기술을 활용한 기술의 연구개발도 추진할 필요가 있으며 산업적으로는 차량용 반도체에 대한 로드맵에 근거해 뛰어난 성능의 반도체(CPU, GPU, NPU) 등을 활용한 컴퓨팅 모듈의 개발도 필요하다.​

>

​​​​​​

>

자율 주행 차 인공 지능 상용화 기술과 산업 전망에 대한 자세한 이에키웅20하나 9년 7월호에서 확인할 수 있습니다.자율주행은 세계적으로 연구개발이 활발한 만큼 국내외에서 다양한 형태의 자율주행 모델의 기술을 시연하고 있으며, 이를 상용화하기 위해 기술개발에 집중해야 합니다. 명확한 성능 및 사양에 관한 책이다, 설계 및 드라이버의 생명을 가운데로 하는 안전 설계가 불가결합니다. 이벤트성 서비스보다 한정된 영역에서 실제 운전을 진행하여 불안감 해소와 안전보장을 위해 필요한 규제와 제도를 정비하는 등의 실제 연구가 이루어져야 합니다.따라서 기존 서라운드 센서 등 자동차 독립적으로 개발되는 영역을 친국어 자체, 자율주행을 위해서는 소프트웨어와 통신, 보안, ICT, IoT 센서, 인공지능 등 대부분의 영역과 융복합이 진행되기 때문에 자율주행 관련 국가혁신성장동력 및 산업경쟁력 확보를 위해 차량-ICT-도로교통기술과의 연계성을 강화해야 합니다.​​​

>

​

>

>

>

>

​