자율주행차로의 전환, 얼마나 걸릴까?

최근 미국에서 열린 첫 AutoSens 컨퍼런스에 참석했습니다. 이 행사는 최첨단 기술을 선보였을 뿐만 아니라 기억에 남는 경험을 제공했습니다. 자동차 조립 라인의 발상지인 디트로이트가 차세대 모빌리티 혁명인 대량 생산 자율주행차의 최전선에 서게 되었습니다.

하이라이트 중 하나는 M1 Concourse 경주 트랙이었습니다. 컨트리 클럽 스타일의 장소로 개인 차고와 최첨단 1.5마일 성능 서킷을 갖추고 있습니다. 컨퍼런스에는 무인 기술 전문 기업 Dataspeed의 자율주행 테스트 드라이브가 포함되었습니다.

당일 세션 후 Henry Ford Greenfield Village에서 저녁 식사를 했습니다. Ford, Edison, Wright 형제 같은 선구자들을 기리는 역사적 헌정 공간입니다. 1917년형 Ford Model T(최초의 조립 라인 자동차로 개인 운송을 변화시킨)와 나란히 라이브 Dataspeed 자율주행차가 전시되어 있었습니다. 이 두 차량을 나란히 보며 마차 시대와 오늘날의 자율주행 전환 사이의 과제와 유사점에 대한 성찰을 촉발했습니다.

자동차의 지구를 뒤흔든 혁명

한 세기 전, 마차가 도로를 지배했고 말 없는 자동차라는 생각은 급진적으로 보였습니다. 많은 발명품처럼 초기 자동차는 회의론에 직면했습니다. 위험하고, 위압적이며, 오랫동안 우세했던 말 운송에 방해가 된다고 여겨졌습니다. 말에서 자동차로의 전환은 점진적이었고 장애물로 가득했습니다. 지금은 악명 높은 법이 운전자에게 모든 교차로에서 내려 큰 소리로 자신을 알리도록 요구했습니다. 때로는 총기나 기타 폭발물까지 사용했습니다.

투자자들도 마찬가지로 신중했습니다. AmericanAutoHistory.com에 따르면, 1903년 미시간 저축은행 총재는 Ford Motor Co. 투자를 경고하며 "말은 여기에 남지만 자동차는 단지 참신함, 일시적 유행일 뿐이다."라고 주장했습니다. 오늘날 우리는 그 회의론을 회고적으로 볼 수 있지만, 이는 오늘날 많은 사람들이 자율주행차에 대해 취하는 신중한 입장과 닮았습니다.

미래 관점에서 보면, 초기 자동차 수용 거부는 오늘날 자율주행 시스템에 대한 주저와 크게 다르지 않습니다. 역사가 시사하듯 점진적 채택이 결국 지배로 이어집니다. 따라서 자율주행차가 특히 도시와 인구 밀집 지역에서 곧 주요 개인 운송 수단이 될 것이라는 기대가 있습니다.

약 30년 내에 수동 자동차가 거의 완전히 단계적으로 사라지고, 오늘날 말처럼 주로 취미나 여가용으로 남을 것으로 예상할 수 있습니다. 동료 Gunn이 지적했듯 레이싱조차 결국 자율주행 기술에 의해 추월될 수 있습니다.

자율주행차가 다음 큰 변화, 대량 생산이 핵심

Model T 이전에는 자동차가 대중이 접근할 수 없는 사치품이었습니다. Ford가 완성한 조립 라인은 생산을 증가시켰고, 새로운 인프라(도로, 교통 규정, 안전 기준)를 필요로 했습니다. 다음 혁명을 촉발하려면 자율주행차도 대량 생산과 경쟁력 있는 가격을 달성해야 합니다. 자율주행 시스템 비용이 감소함에 따라 접근성과 매력이 확대될 것입니다.

인공지능이 당신을 운전하게 할 수 있을까?

자동차에 대한 역사적 회의론은 AI에 대한 현대적 의심에서 대응됩니다. 신뢰성, 실패 모드, 반응 시간에 대한 우려는 초기 운전자들을 괴롭혔던 것들과 메아리칩니다. 그러나 오늘날 데이터는 인간 운전 차량이 많은 현대 자율주행 프로토타입보다 덜 안전함을 보여줍니다. 그럼에도 광범위한 대중의 신뢰는 경험, 인프라, 규제를 통해 성장했습니다.

딥러닝과 관련 AI 기술은 바둑, 이미지 인식, 점점 더 복잡한 의사결정 작업에서 인간을 능가하는 속도로 발전했습니다. 이러한 발전은 미래 자율주행차의 안전성과 신뢰성을 뒷받침합니다.

조립 라인이 자동차 제조를 효율적으로 만들었듯, DSP가 AI를 효율적으로 만든다

자율주행차의 주요 장애물은 강력한 AI를 콤팩트하고 저전력 시스템에 임베딩하는 것입니다. 전통적인 AI 워크로드는 대형 서버를 필요로 하지만 자동차 애플리케이션은 더 작고 에너지 효율적인 솔루션을 요구합니다. 디지털 신호 프로세서(DSP)와 CEVA-XM6 같은 특수 비전 프로세서는 초저전력, 고정밀 컴퓨터 비전을 가능하게 하며, 개발은 CDNN 딥러닝 툴킷 같은 도구로 간소화됩니다.

이 기술들에 대해 더 알아보려면 온디맨드 웨비나 Challenges of Vision‑Based Autonomous Driving & Facilitation of an Embedded Neural Network Platform을 시청하세요.