[쫌아는기자들] 모라이, 자율주행 테스트를 위한 가상의 서울 "95% 현실 모사"

@주3회 발행하는 뉴스레터 [쫌아는기자들] 입니다. 전문은 유료 구독자에게 공개. 유료 가입(https://page.stibee.com/subscriptions/158656). 일부 보는 무료 가입(https://page.stibee.com/subscriptions/143087)

일론 머스크는 2016년 “2017년 말이면 테슬라 차량은 사람의 개입 없이 완전 자율주행 모드로 로스엔젤레스에서 뉴욕 타임스퀘어까지 이동할 수 있을 것”이라고 선언했습니다. 원래 2018년이었던 계획을 1년 앞당긴 것이죠. 2019년 4월 열린 기자회견에서 머스크는 “내년이면 테슬라의 자율주행 로보택시가 100만대에 달할 것으로 예상한다”고 다시 발표합니다. 심지어 테슬라 차주가 자신의 자율주행 차량을 에어비앤비처럼 빌려주고 이용요금을 받는 ‘테슬라 네트워크’도 구축하겠다고 했습니다. 알다시피 결과는 모두 현실화되지 못했습니다. 머스크가 던져 놓고, 실현되지 못하는 기술과 사업이 한 두개가 아닌만큼 ‘머스크 허풍’은 넘어가더라도, 자율주행 기술 상용화에 대한 ‘물음표’가 커지는 것은 현실입니다. 패기롭게 로보택시(완전 무인 택시) 사업을 도입한 샌프란시스코에선 툭 하면 차량 먹통과 사고 사례가 올라옵니다.

하지만 머스크가 던졌던 질문에 대해선 고개가 끄덕여지기도 합니다. 머스크는 엑스(과거 트위터)를 통해 수차례 ‘과연 인간이 자율주행차와 컴퓨터보다 더 안전할 수 있냐?’고 물었습니다. 통계적으로 사람이 낸 사고확률과 테슬라 자율주행 모드로 주행하다 난 사고확률을 비교하면서, 인간의 사고 확률이 앞도적으로 높다고요. 과연 인간이 AI 보다 안전하고 정확하다고 장담할 수 없다는 것이죠. 시간을 걸리지만, 챗GPT를 시작으로 AI가 빠른 속도로 확산되는 것처럼 어느 기술적 허들을 넘으면 자율주행의 시대도 오게 될 것입니다. 어느 정도 AI와 컴퓨터에게 운전을 맡기느냐의 제도적 차이일 뿐이죠. 그걸 선택하는 것은 인간의 몫으로 남게 됩니다.

모라이의 정지원 대표는 “자율주행의 기술적 완성도는 90%까지 왔다”고 합니다. 남은 1~2%의 여백, 5%의 여백을 인간이 허용할 것인지의 문제라고요. 모라이는 실제 도로에서 하기 어려운 자율주행 테스트를 컴퓨터 시뮬레이션을 통해 구현해주는 소프트웨어 기술을 만들고 파는 스타트업입니다. 자율주행 학습과 평가에 필요한 데이터를 증폭할 수 있도록 돕는 역할이죠. 그리고 이 과정에서 얻은 데이터와 노하우를 기반으로 UAM(도심항공모빌리티) 시뮬레이션 툴 시장에도 진출했습니다. 자율주행이라는 험난한 파도에 올라탄 정지원 대표의 이야기입니다.

2020년 CES에 작은 부스를 차렸던 모라이. 사진 가운데가 정지원 대표다. /모라이 제공

◇자율주행 테스트 했다 하지만, 한가로운 전용 도로에서 한 경우도 많아... 복잡한 도로 구현하는 시뮬레이션

“자율주행 분야에서도 시뮬레이션 툴을 개발합니다. 시뮬레이션 툴은 일반적으로’ 디지털 트윈’이나 ‘개발 도구’ ‘검증 도구’라고 불리는데요. 만약에 실제로 물리적인 자율주행 테스트를 현실에서 한다면, 실제 도로에서는 돌발 상황들이 굉장히 많이 발생합니다. 이러한 돌발 상황들을 실제 도로에서 테스트하는 경우 테스트가 복잡하고 위험한 부분들이 많아요. 모라이는 시뮬레이션을 통해서 실제도로를 가상화한 환경을 만들고, 테스트와 개발 검증을 위한 소프트웨어를 개발하고 있습니다.

“디지털 트윈은 세부적인 기능 요소들을 보면, 정적인 환경을 모사하는 기술과 동적인 환경을 모사하는 기술, 현 상황을 모니터링하는 기술, 그러한 데이터들을 기반으로 미래를 예측하는 기술이 있습니다. 모라이는 자동차가 돌아다니는 환경을 가상화하고, 그 환경에서 벌어지는 이벤트들 - 차량의 돌발상황이나, 보행자가 갑자기 끼어드는 이런 상황들을 모사한 다음에 시뮬레이션을 해서 실차의 안정성, 자율주행 차량의 안정성을 확보하고 검증할 수 있는 도구라고 보면 됩니다.”

-자율주행의 환경을 구축, 시뮬레이션 환경을 만든다는 것은 어떤 의미인가요.

“보통 공간정보 데이터라고 합니다. 정밀도한 도로 지도, 건물에 대한 3차원 정보와 같은 데이터들이죠. 정밀도로 지도는 차로 중심선, 차선, 횡단보도 신호등, 도로 주변의 가로수의 위치까지 정보가 담기고요. 이런 정보들이 자율주행 차량의 위치를 인식하거나 경로 계획을 짤 때 쓰입니다.”

-결국 우리가 타는 자동차는 실제 물리적인 도로를 달립니다. 그렇다면 시험도 실제 도로환경에서 하는 것이 맞을텐데, 자율주행을 왜 가상환경과 시뮬레이션에서 테스트해야 하는 것일까요.

“자율주행차의 안정성 확보를 하기 위해서는 확률 기반의 안정성 확보가 제일 중요합니다. 보통 driving mileage accumulation 이라는 표현도 많이 쓰고 미국의 자동차 관련 기관에서 발행하는 리포트를 보면 ‘100만 마일을 주행했는데 사람의 인게이지먼트(안전을 위한 개입)이 몇 번 있었다’. 혹은 국내에서 ‘30만 km 자율주행을 했다’ 이렇게 발표합니다. 이런 것들이 보통 자율차의 신뢰성을 대표하는 수치들로 쓰이는데요. 문제는 이렇게 많은 주행거리를 계속 실제 차를 활용해서, 다양한 상황의 데이터를 확보하기는 거의 불가능에 가깝습니다.

실제 환경에서 차를 몰았다고 하더라도, 데이터를 열어보면 자동차 전용도로가 대부분인 경우도 있습니다. 주변에 차량이 없거나 한가한 도로에서 주행을 한 것이죠. 자율주행차가 실생활에 체감이 되는 정도의 수준의 서비스를 하기 위해서는 굉장히 복잡한 도심에서 또는 야간이나 날씨가 안 좋을 때 또 운행이 가능해야 되는데, 지금 자율주행차들은 아주 복잡한 상황에 대해서는 이러한 데이터 획득도 어렵고, 획득된 사례도 많지 않습니다. 하지만 정교한 자율주행 시뮬레이션은 이런 환경을 가상하고 테스트를 할 수 있습니다. 돌발 상황이나, 야간주행, 눈이나 비가 오는 상황들 혹은 마일리지를 계속 누적해가면서 상상하지 못했던 문제들을 계속 발견할 수 있게 해주는 것이죠.”

◇차량의 기계적 특성, 반도체도 시뮬레이션으로 구성... 비오는 밤길까지도 모사 가능

-예를 들어 도로의 돌발 상황, 환경을 디테일하게 구현해내는 게 어려울 텐데 그러면 그 시뮬레이션은 실제로 도로의 그 디테일한 상황은 어떻게 구현되고 있나요?

“자율주행 시뮬레이션이 모사해야 하는 대상으로는 기계적인 실제 차량과 동역학 모델이 있고, 주변 환경의 복잡성, 자율주행 차량에 장착되는 센서 등이 있습니다. 자율주행차의 구성 요소는 인지, 판단, 제어 세 단계로 거칩니다. 인지 단계에서는 보행자나 차량 주변 차량을 잘 인식해야 되는데, 이때 사용되는 센서들 – 카메라, 라이더, 레이더 같은 센서들이 시뮬레이션 환경에서 실제 센서와 동일한 출력 값을 주도록 해야 한다.

차량의 경우, 시뮬레이션에서 움직이는 차의 거동 특성이 실제 차와 유사한지를 봅니다. 흔히 돌발 상황이라고 하는 갑자기 끼어드는 칼치기와 유사한 상황, 어린아이들이 끼어드는 상황들이 시뮬레이션에서 실제와 얼마나 유사한지를 모델링하죠.”

-그러니까 실제 도로 환경을 시뮬레이션으로 옮기는 일종의 표준화된 절차와 공식이 있는 셈이군요.

“차량 제어 단계에선 여러 가지 실험 방법이 있습니다. ISO 표준에서도 더블 레인체인지, 긴급 제동, 급가동 이런 여러 가지 표준화된 시험을 통해서 실제 차량의 거동 특성과 가상 차량의 거동 특성이 얼마나 유사한지를 보는 그런 메트릭이 있는데요. 야간이나 비가 오는 환경에서 취득한 데이터와 실제 센서 데이터가 얼마나 유사한지 측정하는 메트릭도 있습니다. 경기도 화성에 있는 교통안전공단의 자동차안전연구원(KATRI), K-City에 기상 환경 재현 시설이 있어요. 여기선 조도를 조절하고, 강수량이나 안개의 양 이런 것들을 조절해가면서 ADAS(첨단주행보조장치, 흔히 반자율주행이라 부르는 기능)를 테스트합니다. 센서 모델이 얼마나 정확한지 테스트하면서 수학적으로 모델링도 하고요. 실제 도로의 다양한 환경을 테스트하고, 이 데이터를 구하는 작업은 이미 구체적인 프로세스가 마련된 셈이죠.”

-그렇다면 차는요? 차에도 들어가는 부품이 다르고, 예를 들어 테슬라 같은 경우엔 자체 자율주행 반도체를 두고 있고 라이다 없이 카메라로만 자율주행을 합니다. 제조사와 모델마다 차량의 물리적인 특성이나 성능도 다르고요. 이런 것들이 시뮬레이터에 다 반영이 되고, 옮겨져야 할텐데요.

“요즘 반도체 설계를 보면, 팹리스 기업들이 실제 물리적인 반도체를 찍어내면서 설계를 하는 것이 아닙니다. 시놉시스의 버츄얼라이저라는 툴을 써서, 회로를 가상 설계하고 검증까지 거친 다음, 물리적인 시제품 제조에 들어갑니다. 그 정도로 가상 툴이 발전했다는 것인데요. 자동차의 두뇌 역할을 하는 반도체, ECU(Electronic Control Unit)도 최근엔 버츄얼 ECU를 만들어 테스트합니다. 차량의 물리적인 동력 장치, 액츄에이터나 모터를 가상 부품으로 구성해 하나의 차를 만들 수 있는 툴도 있고요. 제어기와 센서까지, 모든 것이 가상에서 검증가능한 수준으로 구현 가능합니다.”

-도로에 대한 정밀지도, 아주 디테일한 도로 정보를 수집하는 것도 쉽지 않을 일이라고 들었습니다. 현대차그룹의 경우 별도의 회사(현대오토에버)가 있고, 해외에서도 정밀지도 사업으로 조 단위 매출을 올리는 회사가 있던데요. 자율주행 시뮬레이션을 구성하기 위해선 지도 데이터도 확보해야 하고요.

“자율주행 기술 초기에는 정밀 지도 데이터가 희소하거나, 아주 중요했는데요. 지금은 상대적으로 정밀한 지도 데이터를 구축하는 것이 거의 보편화됐습니다. 정부 차원에서는 국토부의 국토지리정보원은 전국 시도의 주요 자율주행 시범 운행 지구의 정밀도를 구축해서 민간에 제공을 해주는 역할을 하고 있고요. 정밀 지도 데이터 수집이 시간과 비용이 드는 일이긴 하지만, 기술적 어렵거나 한계가 있지는 않습니다.

과거엔 직접 차로 다니면서 데이터를 수집했는데, 최근엔 경비행기나 항공기를 띄워 데이터를 수집하는 경우도 늘었습니다. 모라이는 네이버랩스와 협업하고 있는데, 네이버는 로봇이 정밀 지도 데이터를 수집하고, 차량 단위를 넘어 항공기로 건물 외관이나 도시 스케일의 정보까지 수집하는 기술이 있습니다. 네이버와 함께 일본 소프트뱅크와 협업 프로젝트를 한 적도 있는데요. 일본 도쿄를 디지털 트윈하고 시뮬레이션 환경을 만들었습니다. 도로의 디지털 트윈과 시뮬레이션 구축이 해외에서도 잘 적용됩니다.”

모라이의 시뮬레이터. / 모라이 제공

◇현실과 유사도는 90~95%... 프로세스 정교해지는 자율주행 시뮬레이션

-시뮬레이션은 정확도가 높아야 합니다. 가상환경에서 자율차를 테스트한 것과 실제 환경의 유사도가 유의미하게 높아야 활용될 수 있을텐데요. 모라이의 기술력은 이 수치가 어느 정도인가요.

“현재까지 모라이 시뮬레이션과 현실의 유사도는 90~95% 정도로 보고 있습니다. 평가 지표나 기준에 따라서 이 숫자가 다르게 나올 수도 있는데요. 저희 제품을 사용하는 고객사에서 검증한 결과, 최대 95%까지 (현실과) 유사했다는 리포트를 받은 적 있습니다. 물론 완전한 자율주행을 비롯해 저희 제품도 아직 계속해서 개발, 발전 단계라 보고요. 궁극적으로 100%가 목표입니다.”

-시뮬레이션을 제조사나 부품사에 유리한 방향으로 설정하는 것도 가능하지 않을까요? 그러니까 실제 도로의 환경은 조작이 제한적이지만, 시뮬레이션은 더 쉬울 수 있어 신뢰성에 대한 시비가 커질 수도 있습니다.

“UN 산하 UNECE에서는 NATM(New Advanced Testing Methods)을 개발하고 있습니다. NATM이 가이드라인으로 제정이 됐고 OEM들은 이러한 가이드라인을 따라 개발을 하고 있는 상황이죠. NATM의 핵심은 가상 시험 환경에서의 테스트, 프로빙 그라운드(Proving Ground, PG)에서 테스트, 좀 제한된 도심 환경에서의 테스트, 이런 3단계 검증을 거쳐야 자율주행 자동차의 기능을 인증하고 출시할 수 있습니다. 이미 세부적인 법제화가 진행이 되고 있는 단계죠. 단순히 시뮬레이션 개발이 편리하고, 효율적이라는 단계를 넘어서 반드시 시뮬레이션을 해야만 자율주행 기능을 출시할 수 있는 절차로 발전하고 있습니다.”

-모라이의 시뮬레이터에 한국 도로 환경, 디지털 트윈은 어느 정도 구축되어 있나요.

“전국 자율주행 시범운영 구역들을 모라이 시뮬레이션에 구현했습니다. 전국 시도마다 자율주행 시범운영 구역들이 정해져 있거든요. 혹은 고객사가 원하는 지역을 선택해서 테스트를 제공하는 것도 가능하죠. 특히 모라이 디지털 트윈이 가장 잘 구축된 곳은 서울시입니다. 서울시 상암동에 자율주행 모빌리티 센터가 있는데요. 상암동, 강남구 일부 지역, 그리고 청계천과 청와대 버스 전용차로 등 지금 자율주행 서비스가 가능한 모든 지역들을 모라이 디지털 트윈 기술로 관제도 하고, 시뮬레이션 할 수 있도록 하고 있습니다.”

-모라이의 사업은 한국만을 대상으로 하나요?

“해외에도 고객사가 있습니다. 일본의 가장 큰 파트너는 소프트뱅크고요. 미국은 미시건 대학교에서 자율주행 기술을 연구하고, 자율주행 시험을 운영하는 기관과 협력하고 있습니다. 카네기 멜론대, 조지아공과대와 같은 기관들과 같이 연구 개발하면서 대학의 기술들을 모라이 시뮬레이션에 탑재하는 방식으로 협업하고 있고요. 미국은 자동차뿐만 아니라 UAM 쪽 사업을 하면서 기체 제작 회사들을 대상으로 항공기 시뮬레이션을 제공합니다. 유럽에도 주요 부품사와 기업들과 프로젝트를 진행하고 있고요.”

모라이의 시스템을 기반으로 서울시와 공동주최한 버추얼 자율주행 챌린지 모습. / 모라이 제공

쫌아는기자들이 만드는, 뉴스레터 [스타트업]은 주 3회 발행하는 유료레터입니다. 오늘의 무료 콘텐츠는 여기까지 입니다. 쫌아는기자들은 네이버나 구글에선 못보는 스타트업 속내와 스토리를 전달합니다. 순수하게 유료 구독자들의 구독료로만 운영합니다. 좋은 콘텐츠 만들겠습니다, 많은 응원 바랍니다. 감사합니다.
@아래는 전문에 있는 ‘질문’과 ‘그래픽’ ‘사진’ 입니다. 유료 구독하면 전문은 물론이고 과거 3년간 모든 콘텐츠를 볼 수 있습니다.

◇UAM에도 시뮬레이션 툴 제공, 바람 흐름과 항공기 거동 특성까지 모사

-UAM(도심형항공기)이요? 항공기 시뮬레이터 사업도 진출한 것인가요.

-달리고, 나는 것들에 대한 통합 시뮬레이션을 제공하시려는 것이군요. 그렇다면 모빌리티의 디지털 트윈을 구축하는 기업, 대표님 회사만 있나요? 테슬라가 서비스화할 수도 있고, 아니면 이 비즈니스만 전문적으로 하는 스타트업이 있을 수도 있고요.

-결국 자율주행차나 UAM 모두 실제 사람이 타고 있는 기체가 사고가 나면 굉장히 큰 문제가 생깁니다. 결국 제조사가 시뮬레이션의 정밀도, 정확도를 더 높은 수준으로 요구할테고 이 기준을 충족하는 것이 핵심 경쟁력일텐데요.

◇현재 자율주행 기술 “(완전 자율주행의) 90%까지 왔다”... 마지막 10%의 허들을 넘기 위한 경쟁

-실제와 가상의 갭 디스턴스를 줄인다라는 표현은 여전히 모호합니다. 어떻게 줄여나가나요.

-모라이 제품의 재구매율은 79%, 4년간 연평균 매출 성장액이 226%라고 했습니다. 이 시장이 아주 큰 시장이라고 생각되진 않습니다.

-자율주행은 여러 단계와 수준으로 구분합니다. 매출의 주 타깃이 자율주행 몇 단계인가요?

-현재 모빌리티 산업의 자율주행 기술, 어디까지 온 셈인가요? 완전한 자율주행 시대가 와야 모라이에게 시장이 확 열리는 것이 아닌지.

CES 2024에 나온 모라이 팀원이 기술을 설명하고 있는 모습. /모라이 제공

◇10년 뒤 자율주행 시대 온다지만... “당장 먹고 살 문제 소홀히 할 수는 없다”

-한편에선 자율주행이 궁극적으로 우리에게 과연 필요한 기술인가. 사람이 더 안전한고, 안전이 더 중요하다는 시선도 있습니다. 반대로 머스크는 트위터에 ‘기계가 인간보다 사고율이 더 적다’고 반박하고요.

-어쩌다 자율주행 스타트업 창업에 도전하게 됐습니까.

-자율주행 스타트업과 산업이 수년전 주목을 많이 받았다가, 최근엔 주가도 관심도 많이 식었습니다.

-10년 뒤 상용화가 가능하거나, 빛을 볼 테크. 자율주행도 사실 그 영역이 아닐까 싶은데요. 미래 기술 딥테크 창업자는 어떤 마음가짐입니까.