2025년 1사분기에는 한국산업기술평가원(KEIT)이 각 산업별로 원천기술 기반의 사업화 적용을 위한 차세대 R&D 테마 발굴을 추진하였다. 이를 위해 각 산업을 대표하는 국내공학회들을 대상으로 테마 발굴을 의뢰하였고, 한국자동차공학회는 미래위원회를 중심으로 차세대 R&D 테마 발굴을 수행하였다. 신규 R&D 테마 발굴을 추진하게 된 배경은 다음과 같다.
국내 산업의 전방위적 생산성 향상 및 글로벌 경쟁력 강화를 위해 미래 산업기술 기반의 차세대 R&D가 활발히 추진되고 있으나, 원천기술의 산업계 활용을 위해 필수적인 연계기술 R&D에 대한 고려는 미흡하다고 평가되고 있다. 이에 원천기술의 원활한 산업현장 적용을 위한 가교 기술 개발 지원을 위해 다양한 산업기술의 집단지성 협의체인 공학회의 역할이 부각되면서, KEIT와의 협업을 통한 R&D 테마 발굴 필요성이 제기되었다.
전체적인 테마 발굴 프로세스는 ①국내 공학회 소속 산업전문가 의견 수렴을 통해 R&D 테마 후보군을 발굴, ②연계 기술 R&D 테마 후보군에 대한 컨셉 페이퍼(Concept Paper) 작성, ③컨셉 페이퍼 기반 그룹 토의, ④그룹 토의에서 선정된 테마에 대한 테마 정의서 작성의 순서로 진행되었다. 자동차공학회는 현재 미래위원회에서 보직을 맡고 있는 3명의 산업전문가(충북대학교 기석철 교수(위원장), 한국자동차연구원 유시복 연구위원(부위원장), 한국건설기계연구원 김준석 그룹장(간사))를 추천하여 2025년 1월부터 3월까지 3건의 미래 자동차산업을 위한 차세대 R&D 테마 발굴을 수행하였다.
본 기고에서는 발굴된 3건의 차세대 R&D 테마의 핵심 내용을 요약하여 소개하고자 한다.
테마 1 : End-to-End 자율주행 기술개발
미래자동차 산업은 자율주행기술의 상용화 주도권 확보를 위한 글로벌 경쟁이 가속화되고 있다. End-to-End(E2E) 자율주행 기술은 센서 데이터를 입력받아 바로 조향, 가속, 감속 등의 제어 명령을 출력하는 인공지능 기반의 기술로, 마치 사람이 운전하듯 센서 데이터를 종합적으로 분석하여 직관적인 판단과 행동을 수행하는 것을 특징으로 하는 기술이다. 기존의 방식은 센서 데이터를 입력받아서 환경 인식, 위치 인식, 경로 계획, 차량 제어 등 복잡한 모듈로 나누어 처리하고 있으나, E2E 방식은 모듈 간의 복잡한 인터페이스를 줄이고, 학습 데이터를 통해 전체 시스템을 통합적으로 최적화하는 장점을 가지고 있다.
E2E 연구는 중국 OpenDriveLab 연구소가 2023년 CVPR 학술대회에서 “Planning-oriented Autonomous Driving” 논문을 최초 발표하고, 2024년에는 NeurIPS 학술
대회에서 자율주행 월드모델 Vista, “Vista: A Generalizable Driving World Model with High Fidelity and Versatile Controllability”가 발표되면서 주목을 받기 시작하였다. 산업계로는 2019년에 설립된 인공지능 기업인 중국 DeepRoute.AI가 스마트 주행 솔루션의 연구, 개발 및 응용에 주력하여 HD 지도를 필요로 하지 않는 E2E 모델 기반의 기술로 중국 도로의 복잡한 주행 시나리오를 안전하게 주행하는 실증 데모를 보였다. 영국의 Wayve는 AI 기반의 E2E 자율주행 시스템 AV2.0을 발표하였다. AV2.0은 HD 지도에 의존하지 않고 AI가 스스로 주변 환경을 학습하고 판단하여 운전하는 것이 특징이다. 테슬라는 2024년 11월 FSD(Full Self-Driving) V.13
을 발표하였다. V.13 업데이트는 E2E 모델을 적용한 것으로 알려졌으며, 주차 및 후진 기능이 통합되고, 도심 및 고속도로에서의 성능 개선, 고해상도 주행 영상 데이터 처리 등 충동 방지 예측 기능이 강화되었다. 현대자동차 42dot에서도 SDV(Software Defined Vehicle) 중심의 E2E 자율주행기술 개발을 주도하고 있는 것으로 알려졌다. 특히, 국내 주요 대학팀들이 참가하는 현대자동차 자율주행챌린지 2025에서는 E2E 자율주행기술로만 한정하여 시뮬레이션 환경에서 대회가 진행되었다.
본 테마의 기술개발 목표는 End-to-End 모델 기반 범용 인공지능(AGI: Artificial General Intelligence) 수준의 Lv4 자율주행 기술 개발로 설정하였다. 이를 위한 상세 기술개발 내용은 다음과 같다.
●제로 샷(Zero-shot)과 퓨삿(Few-shot) 학습 기술
•제로샷 학습 : 자율주행 모델은 아무리 많은 데이터를 학습해도 실제 주행 상황 시나리오를 모두 학습할 수는 없다. 따라서, 훈련 데이터에 포함되지 않은 새로운 클래스나 도메인 데이터를 이해하고 예측할 수 있는 기술 필요하다.
•퓨샷 학습 : 모델이 매우 적은 수의 샘플만으로 새로운작업을 학습할 수 있도록 하는 기술이다. 퓨샷 학습은 일반적으로 전이 학습(Transfer Learning) 또는 메타 학습(Meta-learning) 기법이 사용되고 있다.
●모듈형 E2E 경로계획 기술
•모듈형 E2E 경로계획 기술은 최종 출력으로 경로계획(Path Planning) 작업에 집중하면서 주변 모듈을 최적화하는 방식으로 개발된다.
•E2E 모델의 단점인 해석 가능성(Interpretability)을 개선할 수 있다.
•일반적으로 자율주행의 최종 단계인 차량 제어기술은 인공지능 학습모델을 도입하지 않아도 상용화 수준의 신뢰성 확보가 가능하다.
●자동 레이블링이 가능한 Data Engine 기술
•E2E 학습에서는 대규모, 고품질의 데이터 확보가 필수적이다. 자동 라벨링 파이프라인을 갖춘 데이터 엔진을 구축해서 데이터 및 모델의 반복적 학습을 촉진할 수
있다.
•특히, 모듈형 E2E 경로계획 시스템에서는 대형 인지모델을 활용하여 고품질 인지 라벨을 자동으로 주석(Annotate)하는 프로세스를 경량화해야 한다.
•코너 케이스를 발굴하고, 장면(Scene) 생성 및 편집을 지원하여 데이터 기반 평가를 가능하게 하며, 데이터의 다양성을 높이고 모델의 일반화 능력을 향상시키는 기
술 개발을 지원해야 한다.
●자율주행 파운데이션 모델 개발
•Chat-GPT와 같은 언어 파운데이션 모델, 비전 파운데이션 모델 및 멀티모달 파운데이션 모델 분야에서 파운데이션 모델은 고차원적 추론 과제에서 인공지능의 잠
재력을 극대화할 수 있음을 입증했다.
•파운데이션 모델을 활용하는 방식으로는 미세 조정(Fine tuning) 프롬프트 학습(Prompt Learning), 자기 지도(Self-Supervised) 방식의 재구성 최적화, 대조 학습
(Contrastive Learning) 등이 있으며, 모두 E2E 자율주행적용이 가능하다.
●실차 안전을 위한 시험 검증 자동화 플랫폼 개발
•Edge Case 시나리오 자동 생성을 포함하는 커버리지 기반 시뮬레이션 기술
•ISO 26262, SOTIF, UNECE WP.29 등 안전 규제를 준수할 수 있는 평가 기술
•SDV 클라우드 기반의 통합 검증 플랫폼 기술
테마 2 : SDV 대응을 위한 AI 융합 로컬 제어기 공통 기술개발
자동차가 SDV(Software-Defined Vehicle)로 전환되면 전장(전자·전기) 기능은 중앙집중형 고성능 AP(Application Processor)와 로컬 제어기(Local Controller) 등으로 재편된다. 본 테마는 국내 부품기업들이 고유 사업영역을 확보하는데 필요한 AI 기술에 기반한 로컬 제어기의 공통 기술을 개발하는 것을 목적으로 하며, 차종 및 모델 변경에 따른 HW의 지속적 변경에도 AI기법을 활용하여 기능을 자동으로 최적화하는 기술을 포함한다.
현재 대부분 승용차는 100여개의 임베디드 제어기가 탑재되나, 고성능 프로세서(AP)의 도입에 따라, 기존 제어기 기능 대부분을 3-5개의 AP가 대체하는 형태로 발전하고 있다. 이러한 SDV의 아키텍처는 기존 부품사의 역할인 제어기와 SW 역할을 넘겨주게 되므로, 로컬제어기를 통해 이를 만회할 필요가 있다. 고성능 AP는 커넥티드 자율주행의 핵심기능과 차량의 안전·편의 관련 기능들을 신속히 업데이트하고, 추가적인 기능 확장이 가능하도록 구현하는 기능을 수행한다. 이러한 부분은 퀄컴, 인텔 등 글로벌 반도체 기업과 MS, 구글 등 빅테크가 연계하여 담당하는 형태로 시장이 형성되고 있다. 반면 차량 곳곳에 분산되어 있는 센서나 액츄에이터를 직접 AP가 모두 제어·구동하기에는 여러 가지 제약이 있다. 따라서 각 Zone 또는 Domain에 배치된 로컬 제어기가 센서·액츄에이터와 통신·제어를 담당하고, AP는 고차원적 의사결정 및 SW 업데이트/관리/분석 등을 수행하게 된다.
국내 부품기업들은 이러한 산업구조적 재편에 따라 기존의 자사 모듈에 탑재되던 제어기·SW 개발 역할을 글로벌 빅테크에 넘겨주게 될 수 있으나, 국내 기업이 로컬 제어기 기술을 확보하는 경우 AP와의 핵심 연계 기능을 확보함으로써 향후 수익성 향상 및 글로벌 기업과의 마켓 포지션 협상에 매우 유리한 위치를 확보할 수 있다.
본 테마의 기술개발 목표는 고성능 프로세서인 AP에 기반한 중앙 제어기의 역할을 보조할 수 있는 로컬 제어기의 설게 검증 및 SDV 플랫폼 연동을 위한 통합 환경 구축이다.
이를 위한 상세 기술개발 내용은 다음과 같다.
●영역별 제어기 및 상위·하위 계층 간의 적응형 고속 통신 관리 기술개발
•차량 내 Chassis, Body 등 각 영역의 센서·액츄에이터 인터페이스 및 아키텍처를 표준화하고, 네트워크 구성에 자동 적응하는 기술 개발
•AI 기반 계층 간 QoS 및 통신 스케줄링 최적화, 실시간 데이터 동기화
•통신 오류 및 지연에 대비한 실시간 모니터링·진단 기능을 구현해 시스템 적응성을 확보
●영역 제어기 처리부하 분담 위한 AI 기반 센서 및 액츄에이터 데이터 실시간 최적 처리 기술 개발
•각 영역 센서·액츄에이터 데이터를 실시간으로 수집·전 처리하는 적응형 구조 설계기술을 통해, HW 변동에 따른 자동 최적 처리기법 개발
•로컬 제어기 내 분산 처리 알고리즘을 도입해 부하 균형 및 응답성 향상
•영역별 로컬 제어기 4종에 대한 AI 기반 실시간 최적 처리기법 적용
●적응형 제어기 HW/SW 이중설계, 자동진단, 안전 관리, 독립 안전기능 개발
•HW/SW 이중화 구조 자동 최적화로 장애 시 자동 진단및 백업 체계 구현
•내결함성과 안전관리 기능을 통한 실시간 오류 감지 및 안전 모드 전환 지원
•독립 안전 기능 탑재로 주요 제어 기능에 대한 별도 안전 보장 기술 개발
•원격 모니터링과 자가 진단 시스템을 통한 자동 위험도 판단 기술 개발
●AI 기법 기반 최적화 솔루션 개발, SW 업데이트(OTA) 지원 및 보안 검증
•AI 기반 최적화 알고리즘으로 제어 성능 및 에너지 효율 개선 및 최적화
•HW 변경에도 OTA 업데이트를 지속 지원하는 펌웨어 업데이트 기술 개발
•암호화, 서명 검증, 보안 키 관리 등으로 소프트웨어 위변조 방지기술 적용
•실시간 보안 모니터링과 AI 이상 탐지 기능을 적용해 보안성을 강화
테마 3 : EREV(Extended-Range Electrified Vehicle)용 초고효율 150 마력급 발전 시스템 개발
전기자동차의 짧은 주행가능 거리, 불편한 충전 환경 등의 제약을 극복하기 위한 주행거리 연장형 전기자동차의 발전 시스템으로, 발전기를 구동하는 초고효율 150 마력급 가솔린 엔진과 고전압 배터리 또는 구동 모터에 전원을 인가할 수 있는 전력제어 시스템 개발의 필요성이 증대되고 있다.
초고효율 발전용 가솔린 엔진은 운전으로 제한된 조건에 맞춰 성능 및 원가 경쟁력을 최적화한 초고효율 저비용 가솔린 엔진을 개발하는 것으로 CO2 배출량을 최소화하여 전기자동차 본연의 탁월한 환경성은 최대한 유지하며, 가격 경쟁력 확보가 요구된다. EREV용 전력제어 기술은 엔진-발전기로부터 발전된 전력을 상황에 따라 고전압 배터리 또는 구동모터에 차량 운전성 측면의 이질감 없이 인가하는 기술로서, 배터리 용량 최적화 및 자연스러운 운전 성능 구현이 필요하다. 이 기술은 중형·준대형급 승용 전기자동차 및 150 마력급 발전출력 적용이 가능한 전기 구동 모빌리티 전반에 적용이 가능하여 미래 모빌리티 산업에서 시장 수요의 획대가 기대된다.
본 테마의 기술개발 목표는 세계 최고 수준의 시스템 효율, 높은 가격경쟁력을 확보 가능한 150 마력급 가솔린 직분사 자연흡기 엔진-발전기 개발과 배터리 용량 최적화를 위해 엔진-발전기로부터 발전된 전원을 상황에 따라 고전압 배터리 또는 구동 모터에 인가할 수 있는 제어장치 개발이다. 이를 위한 상세 기술개발 내용은 다음과 같다.
●150 마력급 초고효율 발전용 가솔린 엔진/발전기개발
•(운전전략) 초고효율 발전 운전을 위한 엔진 운용 전략 개발
•(열관리) 엔진의 냉간 운전 빈도 최소화를 위한 열관리 기술 개발
•(마찰저감) 발전 운전점 특화 마찰 저감 기술 개발
•(구조설계) 고텀블, 고압축비 연소 구현을 위한 흡·배기계, 연소실, 피스톤 등 하드웨어 개발
•(연소) 엔진 하드웨어와 연계, 고효율 운전을 구현할 수 있도록 연소 전략 도출 및 성능 개발
•(배출저감) 귀금속 양과 부피를 최소화한 발전 엔진 전용 후처리 장치 개발 및 제어 전략 도출
●전력제어 시스템 개발 및 실증
•(전력제어) 차량의 주행 상황에 따라 엔진-발전기로부터 발전된 전력을 고전압 배터리 또는 구동 모터에 인가할 수 있는 고성능 제어 시스템 개발
•(실증) 150 마력급 초고효율 발전 시스템을 탑재한 EREV를 제작, 기술 효용 실증
2025년 3월에 제출된 3개의 테마 정의서는 약 2개월 후에 산업부로부터 신규 과제 후보로 검토할 예정이라는 회신을 받았다. 그리고, 지난 7월에 이미 수행기관의 선정이 완료된 산업부 2025년 자동차 분야 2차 신규 지원 대상 과제에서 상기 테마 정의서에서 제안된 기술들이 대부분 포함되어 있음을 확인할 수 있었다. 해당 과제의 수행기관으로 선정된 기업들이 모두 성공적인 R&D 성과를 도출하여 국가 자동차 산업의 미래 경쟁력 확보에 기여할 수 있기를 기대한다.
글 / 기성철 (충북대)
출처 / 오토저널 2025년 10월호
Copyright © Global Auto News