엔드 투 엔드 vs 룰 기반: 자율주행 패권을 둘러싼 글로벌 대결

 

테슬라의 주가는 트럼프가 대통령에 당선되면서 크게 올랐다가 유럽, 중국에서 판매 감소와 일론 머스크 리스크로 곤두박질 치고 있습니다.
아무래도 주가의 1차 회복의 관건은 일론 머스크가 약속했던 두 가지 사항이 실현되는가에 달려 있다고 보입니다.
그것은 저가 차량 모델 Q의 런칭과 운전자의 감시가 필요 없는 로봇 택시 시범 운행 시작일 것입니다.

 

Rule 기반에서 엔드 투 엔드 (E2E)로 혁신하는 자율주행 기술로 Waymo는 시간과의 싸움을 해야 하고, 테슬라는 우선적으로 안전성을 확보해야 하는 과제가 생겼습니다.
오늘은 이 부분에 포커스를 두고 분석합니다. 

 

지금까지의 로봇 택시 기술은 라이더 센서를 중심으로 고정밀도 지도가 완비된 지역만 운행할 수 있는 Waymo의 지오메트리 (Geometry) 방식과 비싼 라이더 대신 카메라로 어디든지 갈 수 있는 테슬라의 퓨어비전 (Pure vision) 방식으로 구분해 왔습니다.
또한 인지 예측 판단 조작을 사람이 생각한 규칙에 따라 수작업으로 작성한 기반으로 여러 소프트웨어 모듈을 종합하여 운영해 왔습니다.
그런데 테슬라는 2023년 이러한 일련의 자율주행에 필요한 모든 작업을 대규모 AI 모델이 담당하는 소위 앤드 투 엔드 방식으로 혁신했습니다.NOA (Navigate on Autopiot) 주행 기술에서 글로벌 레거시 업체들보다 한참 앞서 갔던 중국 업체들도 테슬라의 엔드 투 엔드 기술을 테슬라보다 1년 늦은 2024년 말부터 따라하고 있습니다.
자 그렇다면 업체들은 어떤 기술적 믹스로 구성하고 있을까요?

Waymo는 라이더를 탑재하면서 인간이 수작업으로 코딩해 온 로봇 택시 기술의 대표 주자 역할을 해왔습니다.

 

여기에 혼다도 2026년 런칭 예정인 제로 시리즈에 이 기술을 적용한다고 합니다. 현대차의 G90과 기아의 EV9가 개발하다 중지한 레벨 3도 이 영역에 속할 것입니다.
중국의 화웨이와 일본의 소니 혼다는 라이다를 중심으로 룰 기반과 엔드 투 엔드 기술을 혼용하여 기술을 발전 시키고 있습니다.
이들과는 다르게 Li Auto, 샤오미, 지커 (Zeekr), 그리고 Nio는 라이더를 탑재하면서도 완전하게 엔드 투 엔드 기술을 적용하고 있습니다.
여기에 올해 런칭 예정인 벤츠의 CLA 전기차와 토요다의 bZ3X에 자율주행 기술을 제공하는 모멘타 (Momenta)도 같은 방식의 기술을 채용하고 있습니다.
라이더를 사용하지 않으면서 카메라만으로 엔드 투 엔 기술로 혁신을 주도하는 것은 테슬라입니다만 중국의 샤오펑과 바이두는 테슬라 노선을 취하고 있어 주목을 받고 있습니다.
그렇다면 로봇 택시에서는 어떨까요? 로봇 택시는 룰을 기반으로 한 Waymo가 유료 서비스에서 앞서가고 있는 것은 분명한 사실입니다.

 

Waymo의 로못택시 현황

2009년에 사업을 시작한 지 16년 동안 Waymo 의 자율주행 시스템은 6세대로 진화했습니다.
라이다 등의 센서류수도 줄였고, 기본 차량도 중국의 지커와 현대차로 변경했습니다.
작년까지는 미국 내 3개 도시에서만 운영되었습니다만 올해는 미국의 3개의 다른 도시와 일본에도 추가 운영하는 계획입니다.
여전히 운행 지역을 확대하는 속도에는 고정밀도 지도 제작하는 데 장시간 걸리는 문제와 고비용의 과제가 있습니다.
테슬라는 데이터 입력에 사용하는 센서로 카메라만 사용하면서 엔드 투 엔드 기술로 로봇 택시 모델인 사이버 캡을 공개하며 2026년부터 대량 생산을 시작할 계획이라고 발표했습니다.

 

테슬라 사이버캡

여러분은 이러한 테슬라의 계획의 실현가능성을 어떻게 생각하고 계십니까?
지난 CES에서 모빌라이의 CEO인 암논 샤슈와 (Amnon Shashua)는 생성형 AI와 엔드 투 엔드의 트랜스포머가 만능이 아니라고 주장했습니다.

 

그는 엔드 투 엔드로 동영상을 불러와 학습시키면 일상적이지만 잘못된 동작을 그대로 학습할 위험이 있다고 지적했습니다.
예를 들어 차량이 정지할 상황에서 여러 번 브레이크를 밟고 완전히 멈추지 않고 서서히 굴러가는 인간의 운전 습관이나 갑작스럽게 끼어들기와 같은 조작이 있습니다.
또한 도로에 갑자기 동물이 뛰어드는 경우라든지 도로에 갑작스럽게 형성된 블랙아이스라든지 등의 롱테일이라고 불리는 드물게 발생하는 엣지 케이스에 대응하지 못할 가능성도 있습니다.
보다 완벽한 자율주행에 도달하기 위해서는 엔드 투 엔드만으로는 부족하고 별도의 학습이 필요하다고 주장했습니다.
그래서 모빌아이는 트랜스포머가 대응하기 어렵다고 판단되는 예상하기 어려운 위험이 무엇인지를 정의하고 시스템을 교육하는 방식을 결합하는 복합 AI를 채택하고 있습니다.
그는 완전 자율주행으로 가는 길을 설명하면서 가로 측은 운행 가능 지역으로, 세로축은 정확도와 안정성으로 설정하고 룰 기반 Waymo one과 엔드 투 엔드 기술이 적용된 테슬라의 FSD를 비교했습니다.

 

AV의 안전성과 운행 가능 지역

Waymo는 라이더를 장착하고 고정밀 지도를 사용할 수 있는 범위 내에서만 주행할 수 있게 하는 안전 제일주의의 접근방식이라고 설명했습니다.
한편 테슬라의 FSD는 지도 없이도 카메라만으로 엔드 투 엔드로 가능한 자율주행 범위를 확장하는 정반대의 접근법이라고 설명했습니다.
룰 기반의 Waymo는 지금까지 안전성을 어느 정도 확보했지만 전 지역을 커버하는 로봇 택시 실현을 위해서는 시간이 더 걸릴 것이고 테슬라는 전 지역을 커버할 수 있는 장점은 있지만 안전성 확보가 시급한 편이라고 해석할 수 있습니다.
샤슈와 CEO는 미국에서 인간 운전자에 의한 충돌 사고는 50만 마일 주행에 1회 또는 수 시간에 1회 꼴로 발생한다고 했습니다.
이를 MTBF (Mean Time Between Failure) 평균 고장 간격으로 해석할 수 있는데, 이를 지표로 하여 자율주행차의 안전성을 측정할 수 있는 하나의 KPI로 정의했습니다.
적어도 로봇 택시나 자율주행차의 MTBF는 이 KPI를 초과해야 한다고 했습니다.
그런데 개런티형 개발 방식에 오랫동안 익숙해 왔던 레거시 자동차 업체들은 개발을 허용할 수 있는 MTBF로 5만 시간에서 천만 시간까지 큰 폭이 있다고 합니다.
폭스바겐과 포드, GM 등 레거시 업체들은 지금 실력으로는 도저히 이 기준을 달성할 수 없다고 판단하여 사업을 중지한 것으로 볼 수 있습니다. 

 

Waymo는 2023년까지 700만 마일의 로봇 택시 주행에서 인명사고 발생률이 인간 운전자의 7분의 1, 100만 마일, 주행당 0.41회로 완전 자율주행에 상당히 근접한 수준이었습니다.
하지만 무한에 가까운 장면과 지도 정보 등 지역의 다양성을 커버하고 서비스를 구현하는 데는 상당한 시간이 앞으로도 필요할 것으로 보입니다.
반면 엔드 투 엔드의 테슬라 FSD는 AI의 딥러닝과 방대한 언어 처리 능력으로 매우 다양한 운행설계 영역인 ODD(Operational Design Domain)로의 운영이 가능합니다.
그러나 샤슈와는 웹사이트에 공개된 FSD가 해제되는 Disengagement 데이터에 따르면 FSD의 MTBF는 5시간에서 10시간밖에 안 된다고 합니다.
테슬라의 과제는 정확도와 안전성을 어떻게 높일 것인가가 분명해졌습니다.
샤슈아의 관점에서 볼 때 테슬라의 FSD 접근 방식이 모든 환경에서 레벨 5 완전 자율주행이라는 목표에 도달할 수 있을지는 미지수라고 보고 있습니다.
그러면서 그는 이러한 과제를 해결하기 위한 모빌아이의 대응 전략도 발표했습니다.
모빌아이는 현재 Supervision 52라 불리는 카메라 기본의 레벨 2 시스템을 지커와 폴스타에 제공하고 있습니다.

 

2026년에는 포르쉐와 아우디 등의 폭스바겐 그룹 차에 카메라 시스템에 5개의 레이더를 탑재한 Hands Off, Eyes On의 레벨 2 시스템 SV61을 탑재합니다.
2027년은 여기에 라이더를 2개 추가하여 시속 130 킬로까지 Eyes  Off가 가능한 셔퍼 (Chauffeur)를 도입한다고 합니다.
이 계획을 그림으로 표시하면 2026년에 도입 예정인 SV62로 현재의 테슬라 FSD를 상회하는 ODD와 안전성을 향상시키는 계획입니다.

 

2027년에는 Waymo보다도 훨씬 폭넓은 odd를 커버하는 레벨 3의 셔퍼를 도입합니다.
레벨 5 완전 자율 운전 실현을 위하여 가장 현실적이고 빠른 솔루션이라고 주장하고 있습니다.
여기에서 중요한 점은 모빌아이가 제시한 로드맵은 중국 업체들이 엔드 투 엔드에서 실행하는 로드맵과 거의 동일하다는 데 있습니다.
지금까지 레벨 2의 ADAS 기능에서 높은 마켓셰어를 유지해 왔던 모빌아이도 엔드 투 엔드의 급격한 진화를 잘 알고 있는 것으로 보입니다.
룰 기반 데이터 기반의 AI 모델 학습을 융합하고 최적의 센서 구성으로 다양한 사용 조건에 대응하는 이 회사의 접근 방식은 엔드 투 엔드의 진화를 따라가지 못하면 죽을 수도 있다는 위기감이 반영되어 있다고 할 수 있습니다.
레벨 2+, 레벨 3의 사용 사례에서 엔드 투 엔드를 전면적으로 채택하는 테슬라와 중국 모멘타와 화웨이 시스템을 채택하는 중국 업체들이 이 트렌드를 주도하고 있는 것은 의심의 여지가 없어 보입니다.
그렇지만 앞에서 살펴본 것처럼 아직도 많은 업체는 라이더 없이는 안전성 확보가 어렵다는 주장을 하고 있습니다.
자율주행 레벨 3 이상에서는 사고 시 책임이 시스템 제공자에게 발생하며 규제 당국의 승인을 받아야 합니다.
미국에서는 Waymo가 룰 기반 자율주행 시스템으로 이미 레벨 4를 실용화하고 있지만, 이 회사는 인가를 받기 위해 운전자 없이 약 3년에 걸친 시험 기간을 거쳤습니다.
로봇 택시 후발 주자인 테슬라에게도 규제 당국의 승인이 큰 걸림돌로 여겨졌지만 도널드 트럼프가 다시 대통령이 되면서 상황이 바뀔 가능성이 생겼고, 텍사스 오스틴 같은 곳에서는 쉽게 시작할 수 있습니다.
그러나 무인 로봇 택시의 안전 주행은 인간의 생명과 관계되는 일이기 때문에 특히 캘리포니아 주 같은 곳에서는 오랫동안 지켜왔던 가이드라인을 쉽게 완화할 가능성은 낮다고 보입니다.
앤드 투 엔드 기술로 혁신을 가속한다고 하지만 1년간 테스트하고 안전성을 확보하여 2026년에 사이버캡을 대량생산한다는 계획은 좀 빠름 감이 있다고 보입니다. 
엔드 투 엔드의 개발 트렌드는 Waymo도 비켜갈 수 없게 만들고 있습니다.
Waymo는 마스(MAAS: Mobility as a Service) 전용으로 개발을 진행하면서 누구보다 빨리 혁명점에 도달할 것으로 여겨져 왔습니다.
그러나 절대적인 안전을 중시하는 로봇 택시의 접근 방식은 엔드 투 엔드의 부상으로 마스 전용으로 진행하기에는 한계가 있다는 것을 인식하기 시작했을 것입니다.
빠른 시기에 실행 규모의 확대를 실현하지 못하면 개인 소유 차량 중심의 자율주행 시스템의 진화를 따라 잡기 어려울 것으로 판단하여 Waymo도 엔드 투 엔드 기술에 투자하고 있습니다.
로봇 택시를 포함한 자율주행 기술 개발 경쟁은 지금 이 순간에도 한층 치열해지고 있습니다.
차세대 차량에서 Waymo는 현대차와 파트너를 맺었습니다.

 

현대차는 Waymo One용 차량을 양산하는 파운더리 사업에 머물러서는 안 될 것입니다.  지금까지 구축해 온 세계 3위 자리에 걸맞은 자율주행 기술 확보가 시급하다고 판단됩니다.

 

 

■룰 기반 (Rule-based) 자율주행

기존의 프로그래밍 방식으로, 엔지니어가 사전에 정의한 규칙과 알고리즘을 기반으로 차량을 제어하는 방식

작동 방식: 센서(라이다, 레이더, 카메라) → 객체 감지 → 규칙 기반 의사 결정 → 차량 제어, 지도와 센서 데이터를 활용하여 사전 정의된 규칙에 따라 차량이 반응

대표 기업: 웨이모(Waymo), 모빌아이(Mobileye), GM 크루즈(Cruise) 등

장점: 안전성과 예측 가능성이 높음 (특히 레벨 4 이상 로봇택시), 규제 및 법적 승인 과정에서 유리

단점: ODD(운행설계영역)가 제한적(고정밀 지도가 필요한 지역에서만 운행 가능) , 예상하지 못한 상황(롱테일 시나리오)에 대응 어려움, 개발 및 유지보수 비용이 높음

 

■ 엔드 투 엔드 (End-to-End) 자율주행

AI가 대량의 데이터(비디오, 센서 데이터)를 학습하여 직접 운전하는 방식

작동 방식: 입력(카메라 영상, 차량 데이터) → 신경망 학습(딥러닝) → 바로 차량 제어 , 사람이 사전에 프로그래밍한 규칙 없이 AI가 운전 패턴을 학습하고 스스로 판단

대표 기업: 테슬라(Tesla), 샤오펑(Xpeng), 화웨이(Huawei) 등

장점: 지도 없이도 어디서나 운행 가능 → ODD 제한 최소화, 규칙을 사전에 정의할 필요 없이 AI가 학습하여 적응, 대규모 데이터 학습을 통해 지속적인 성능 향상 가능

단점: 신뢰성과 안전성 확보가 어려움 (특히 법적 승인 문제), 예측 불가능한 AI의 의사결정이 발생할 수 있음, "롱테일 시나리오" (희귀한 돌발 상황) 학습이 어려움

 

■  Waymo의 MAAS

 MAAS 는 Mobility as a Service의 약자로, 자율주행 기술을 기반으로 한 통합 이동 서비스 플랫폼을 의미. 이를 통해 개인이나 기업은 차량을 소유하지 않고도, 필요할 때마다 자율주행 택시나 셔틀 등 다양한 이동 수단을 온디맨드 방식으로 이용할 수 있게 하는 것을 목표로 함.

 

 

출처: 로보택시 경쟁 승자는? 앞서가는 웨이모, 테슬라 사이버 캡 아니면 모빌아이?

https://www.youtube.com/watch?v=uMO7UBSMh24