컴퓨팅 하드웨어 제조사인 NVIDIA는 자사의 GPU 제조 역량을 활용해 자율주행 자동차 시장에 진출하고 있습니다. GPU는 딥러닝 기반의 인공지능 구현 시 컴퓨팅 속도 및 성능 향상을 위해 필수적으로 활용되어야 하는 핵심 부품입니다. 이러한 역량을 기반으로 인공지능 기반의 다양한 산업 영역 중 자율주행 시장에 집중하며 기술 혁신을 만들어 가고 있습니다.
NVIDIA의 자율주행 자동차
NVIDIA는 자사의 GPU를 기반으로 한 자율주행 기능을 소프트웨어로 구현하고, 이를 플랫폼으로 공개해 자율주행 분야의 생태계를 구축하고 있습니다. 실제 NVIDIA는 딥러닝 기반의 자율주행 관련 논문을 발표하고1 자사가 개발한 자율주행 차량의 데모 영상을 공개했습니다.
데모 영상에서 NVIDIA가 개발한 자율주행 자동차는 눈, 비가 내리거나 어두운 밤, 혹은 비포장도로와 같이 주행이 쉽지 않은 다양한 환경에서도 자율주행 기능이 완벽하게 동작하고 있는데요. 이렇게 개발된 자율주행 관련 기술을 NVIDIA는 ‘DrivePX’라는 자율주행 자동차 개발 플랫폼으로 공개했습니다.
하드웨어에서부터 소프트웨어 전반을 포괄하는 이 플랫폼에는 자율주행 기능 구현을 위한 기능들이 기본으로 제공되어 개발자들이 매우 쉽게 자율주행 기능을 구현할 수 있게 하고 있습니다. 예를 들어 개발자가 전방 차량 감지, 차선 유지 등의 기능 구현 시 단순히 DrivePX가 제공하는 기능을 활용하기만 하면 됩니다.
개발자가 별도로 해당 기능을 구현하고 데이터를 확보해 학습시키는 과정이 필요 없게 되면서 개발 시간을 크게 단축하면서도 높은 성능으로 기능을 구현할 수 있게 됩니다.
딥러닝 기반의 플랫폼 전략을 통해 NVIDIA는 시장의 기존 강자들을 제치고 시장을 장악해가고 있습니다. 실제 NVIDIA는 자율주행 분야의 이미지 인식 칩 시장의 80%를 장악하던 모빌아이(Mobileye)의 시장을 빠르게 잠식하고 있는데요. 지난 2016년 테슬라(Tesla)는 자율주행 칩 파트너를 모빌아이에서 NVIDIA로 전환하기 시작했으며 NVIDIA는 약 20개 이상의 완성차 브랜드와 협업을 확대해 나가고 있습니다.
테슬라의 자율주행 자동차 구현
전기차 혁신 기업인 테슬라는 다음 혁신을 인공지능에 기반한 자율주행 자동차 구현에서 만들어 가고 있습니다. ‘Autopilot’이라 불리는 반자율주행(Semi-Autonomous Driving) 기능을 시장에 가장 안정적으로 상용화시키며 관련 기술을 빠르게 발전시켜 나가고 있는데요. 테슬라의 Autopilot 기능은 일반적인 차선 유지, 차간 거리 조정 등과 같은 기능 보다 더욱 진화된 차선 변경, 자동 차고 입•출입 등과 같은 기능들을 포함하고 있습니다.
무엇보다 테슬라의 Autopilot은 차량에서 발생하는 거의 모든 데이터를 수집하고 분석해 인공지능으로 구현했다는 점에서 향후 더욱 큰 혁신이 예상되는데요. 테슬라의 모든 차량은 3G, LTE와 같은 통신망으로 연결되어 차량에서 발생하는 모든 정보가 익명화되어 수집됩니다.
2014년부터 본격적으로 수집된 주행 데이터는 약 56억 Km(35억 miles)2에 이르며, 이 중 Autopilot을 사용하며 주행한 거리는 2억 Km(1.3억 miles)에 해당합니다. 약 8만여 대에 이르는 자동차에서 발생한 정보가 모두 수집되면서 다양한 환경의 주행 정보를 Tesla의 인공지능이 학습하게 됩니다.
이렇게 학습된 지능을 기반으로 테슬라의 Autopilot은 시간이 지날수록 기능이 고도화되고 발전된 기능은 다시 통신망을 통해 기존 차량에 소프트웨어 업데이트 형식으로 반영되게 됩니다. 즉, 테슬라의 차량의 자율주행 기능은 차량이 주행하면 할수록 기능이 점점 진화하게 되는 것입니다.
테슬라는 최근 딥러닝 기반의 인공지능 역량 확보를 위해 더욱 노력하고 있는데요. 기존 모빌아이에서 NVIDIA로 Autopilot 전용 하드웨어를 교체하며 딥러닝 기반으로 자율주행 기능을 고도화하고 있습니다.
지난 6월에는 딥러닝 분야의 핵심 연구자인 안드레이 카파시 (Andrej Karpathy)를 테슬라 인공지능 연구소의 책임자로 영입했는데요. 인공지능 분야의 선도 연구소인 OpenAI의 연구자였던 안드레이 카파시는 딥마인드, 구글 등에서 딥러닝, 강화 학습 등과 관련한 혁신적 연구를 진행해왔습니다. 테슬라가 집중적으로 확보한 딥러닝 관련 역량은 기존 확보된 방대한 차량 주행 데이터와 결합하여 향후 혁신적인 자율주행 기술로 구현될 것으로 전망됩니다.
MIT 자율주행 연구소
학계에서도 최근 딥러닝 관련 연구 결과를 자율주행에 적용하며 다양한 연구 결과를 발표하고 있습니다. MIT의 렉스 프리드먼(Lex Fridman) 교수는 자율주행을 위한 딥러닝(‘Deep Learning for Self-driving Cars’)라는 수업을 개설하며 관련 연구를 함께 진행 중입니다.
딥러닝을 적용해 차량의 주행 영상을 분석해 차선 유지, 차간 거리 조정 등의 기능으로 구현하는 프로젝트인 DeepTesla3와 복잡한 주변의 차량 흐름을 스스로 감지해 차선을 변경하며 주행을 지속하는 프로젝트인 DeepTraffic4 프로젝트를 동시에 진행 중입니다.
DeepTraffic의 경우 학생들이 다양한 자율주행 기능을 구현해 서로 경쟁할 수 있는 환경을 구축해 놓았으며, 동일한 환경에서 서로의 알고리즘을 검증하고, 경쟁하며 주행 기술이 지속해서 고도화되고 있습니다. 현재 약 20,000건 이상의 알고리즘이 경쟁하고 있습니다.
UC 버클리의 DeepDrive5 연구실 또한 딥러닝 기술을 자율주행 기능에 적용하려는 대표적인 연구실입니다. 딥러닝 기반의 이미지 인식, 강화 학습, 지능 이식(Transfer Learning) 등을 자율주행에 적용해 차량 및 장애물 인식 및 주행 알고리즘으로 구현하고 있는데요. 특히, DeepDrive는 Toyota, Ford, Honda, GM, 현대자동차 등 완성차 제조사들이 파트너로 참여하며 연구, 개발된 기술의 실제 차량 적용에 앞장서고 있습니다.
온라인 교육에서도 관련 기술에 대한 교육 및 연구가 활발히 진행 중입니다. 온라인 공개 교육(MOOC) 기업인 유다시티(Udacity)는 인공지능과 자율주행 분야에 특화해 관련 교육 과정을 공개하며 누구나 쉽게 딥러닝 기반의 자율주행 기술을 배우며 연구할 수 있게 하고 있습니다.
구글의 자율주행 자동차 개발 초기부터 프로젝트를 리드하였던 세바스찬 스런(Sebastian Thrun)이 설립했고, 자신이 직접 자율주행 관련 수업을 진행하기도 합니다.
딥러닝 기반의 인식, 주행 기술들에 대한 교육이 진행되며 연구자들은 오픈소스를 통해 제공되는 자율주행 시뮬레이터를 통해 자신이 개발한 자율주행 알고리즘을 검증하고 고도화시킵니다. 교육 과정에는 벤츠, BMW, 맥라렌 등 다양한 완성차 업체들이 참여하면서 연구, 개발된 자율주행 기술을 직접적으로 활용하기 위한 활동도 병행하고 있습니다.
글 l 이승훈 책임연구원(shlee@lgeri.com) l LG경제연구원
