자동차에 딥러닝 적용한 기술 속속 선보여

빠른 속도로 삶을 변화시키고 있는 인공지능 기술은 자동차시장에도 큰 영향을 미치고 있다. 2018년은 차량에 본격적으로 딥러닝 기술을 적용하기 시작한 시점으로도 큰 의의가 있다. 최근 주요 전시회 흐름을 보면 차량용 음성인식과 자율주행, 동영상 분석, 인공지능 하드웨어, 자율주행 시뮬레이터 등 딥러닝을 적용한 기술들을 선보이고 있다.

영상과 음성 인식 기술은 이미 상용화에 들어가 있다. 딥러닝 기술의 상용화를 위해서는 GPU 기반의 인공지능 하드웨어 기술이 필수적이다. 현재 개발 중인 분야는 차선과 차량, 보행자 인식 등을 통한 주행 인식 기술, 음성 인식 인터페이스, 딥러닝 기반 차량 제어 및 자율주행, 차량 고장 진단, 운전자 인식, 공정 개선, 소비자 분석 등이 있다. 차량용 인공지능의 현재와 미래를 분석해 본다.

차량용 인공지능 적용 분야

핵심적인 인식 분야, 하드웨어 개발도 중요하다

인식 분야는 차량용 인공지능의 핵심이다. 자율주행 테스트세트인 ‘KITTI 데이터세트’의 인식률을 비교해 보면, 딥러닝 적용 시 인식률이 기존 방법보다 매우 높은 것으로 나타났다. 차량 인식의 경우, 딥러닝 적용할 때 인식률이 약 90%에 달하지만, 적용하지 않을 때의 인식률은 76%에 불과했다.

다만, 딥러닝을 적용하기 위한 하드웨어 비용에 대한 해결이 필요하다. 인공지능 음성인식 기술에서도 딥러닝은 중요한 역할을 한다. 최근 자동차기업들은 구글, 아마존과 협력하여 인공지능 음성 인식 기술의 상용화에 나서고 있다.

GPU 기반 인공지능 하드웨어는 딥러닝의 상용화에 중요한 역할을 할 것이다. 2018년부터 아우디, 메르세데스-벤츠 등의 자동차업계는 GPU 보드를 활용하여 딥러닝을 상용화하고 있다. 아우디는 자체 개발한 ‘zFAS 보드’를 바탕으로 인식과 상황 판단 인식에 딥러닝 기술을 적용했다. 벤츠는 엔비디아 GPU를 기반으로 자체 개발한 보드 위에서 인공지능 음성인식 기술을 적용하여 차량 안에서 음성인식을 구현했다.

엔비디아는 CES 2018에서 자율주행 레벨 4, 5용의 임베디드 슈퍼컴퓨터인 드라이브 재비어와 드라이브 페가수스를 발표했다. 또한 다임러와 보쉬는 2019년부터 엔비디아 페가수스를 장착한 자율주행 택시 시범 서비스를 시행할 예정이다.

앞으로 펼쳐질 인공지능의 시대

자율주행이 진화하면서 딥러닝 기술은 앞으로 더욱 중요하게 활용될 전망이다. 자율주행 제어뿐만 아니라 사용자 인식, 사용자 모니터링 기술, 사용자 경험 분석 등 활용도가 더욱 높아지고 정밀 지도 구축은 물론 차량 고장 진단, 자율주행 시뮬레이터 등 성능 향상에도 기여할 것으로 보인다.

지난 2016년 BMW와 나우토(Nauto)는 사용자의 운전 습관을 인공지능으로 분석하여 알리안츠 보험에 활용하는 서비스를 선보였다. 현대자동차는 지난 7월, 소리를 이용한 인공지능 차량 고장 진단 시스템을 발표했고 엔비디아는 CES 2018에서 현실과 거의 비슷한 가상 세계에서 스스로 주행하면서 성장하는 자율주행 시뮬레이터를 선보인 바 있다. 이처럼 앞으로 사용자의 다양한 분석을 활용하는 서비스가 활발하게 등장할 것으로 예상된다.

인공지능은 공정 개선과 고객 관리, 차량 추천 서비스 등 자동차의 다른 측면에서도 다양하게 활용될 전망이다. 맥킨지는 2017년 보고서를 통해 6개의 인공지능기반 차량 생산성 향상 분야를 소개했다. 이 보고서에 따르면 장비 고장 예측, 로봇-사람의 효과적인 협력, 품질 검사 성능 향상, 수요·공급 예측, R&D 효율 향상, 재무·인적자원·IT 등의 자동화를 통해 생산성을 크게 높일 수 있다고 밝혔다. 미국 카즈닷컴(Cars.com)은 최근 소비자의 라이프 스타일을 분석하여 선호도에 맞는 자동차를 추천하는 서비스를 발표하기도 했다.

한편 인공지능과 5G 기술의 융합은 본격적인 자율주행 시대를 여는 동시에 관련된 다양한 서비스가 전개될 것으로 예상된다. 자동차와 사람, 도시에 대한 종합적인 데이터를 인공지능이 분석해 더욱 안전하고 편리한 스마트시티 시대를 열어갈 것으로 기대하고 있다.

정구민

국민대학교 전자공학부 교수