웨이모·도요타 등 자율주행자동차 개발업체들이 자율주행 시험에 가상현실(VR) 시뮬레이터를 적극 활용하고 있다.

웨이모·도요타·우버 등 자율주행자동차 개발 업체들은 캘리포니아 마운틴뷰나 피닉스 등 도로에서 자율주행 시험을 진행하고 있다. 뉴욕타임즈는 이들 업체들이 실제 도로 주행 시험과 함께 마운틴뷰와 피닉스 등 지역을 시뮬레이션한 가상 현실 환경에서 자율주행자동차를 테스트하고 있다고 소개했다. 자율주행 자동차 소프트웨어를 탑재한 가상의 자동차가 디지털 세계에서 마운틴뷰와 피닉스 도로를 실제 처럼 주행하는 것이다.

시뮬레이터상에서 자율주행 시험을 하면 사람을 위험에 빠뜨리지 않고 소프트웨어의 결함을 찾아낼 수 있다. 결함이 발견되면 엔지니어가 바로 코드를 수정한다. 알파벳(주) 자율주행차 개발업체인 웨이모는 최근 캘리포니아 ‘센트럴 밸리’의 비밀에 쌓인 주행 시험센터에서 시뮬레이터 테스트 과정을 언론에 공개했다.

▲ 웨이모의 시뮬레이터 '카크래프트' 실행 화면

자율주행 자동차 개발 연구자들은 시뮬레이션 환경에서 자동차가 스스로 학습할 수 있는 기술도 개발하고 있다. 도요타는 시뮬레이터를 활용한 가상 훈련을 적극 추진하고 있다. 여기에는 머신러닝 기법이 적용되고 있다. 10여년전 구글이 처음으로 자율주행 자동차 개발에 나섰을 때는 엔지니어들이 소프트웨어 코드를 일일이 입력해야했다. 하지만 컴퓨팅 파워가 막강해지면서 개발자들은 보행자를 확인하고 미래 이벤트를 예측하는데 스스로 학습할 수 있는 알고리즘을 도입하고 있다.

자동차 공유서비스 업체 ‘리프트’에서 자율주행자동차 개발 프로젝트를 추진하고 있는 ‘룩 벤센트(Luc Vincent)’는 “우리가 자율주행 자동차 개발을 위해 빠르게 움직이는 것은 바로 이 같은 방법을 활용할수 있기 때문”이라며 ”10년전 구글이 개발을 시작할때는 존재하지 않았던 것“이라고 말했다.

하지만 머신러닝 방식에 문제가 없는 것은 아니다. 학습 알고리즘은 사람 보다 훨씬 많은 양의 정보를 분석할 수 있지만, 왜 알고리즘이 특별한 의사결정을 했는지를 이해하고 행동을 검증하는 것은 매우 어렵다. 그럼에도 머신러닝은 자율주행차의 지속적인 개발에 꼭 필요한 기술로 자리잡았다.

웨이모 등 개발 업체들은 ‘심층신경망(deep neural networks)’과 같은 복잡한 알고리즘을 활용하고 있다. 심층 신경망은 보행자 사진 등 많은 데이터를 분석해 스스로 학습하고 보행자, 도로 표지판, 차선 등을 인식한다. 문제는 카메라, 라이더, 레이더 등 여러 센서를 이용해 방대한 데이터를 수집하고 라벨을 부착해야 한다는 것. 하지만 모든 상황에 맞는 데이터를 수집해 사람이 직접 라벨을 부착하는 것은 불가능하다. 사고 관련 데이터 수집은 더욱 힘들다. 이 같은 문제를 해결할 수 있는게 바로 ‘시뮬레이션’이다.

최근 웨이모는 ‘카크래프트(Carcraft)’라는 도로 시뮬레이터를 공개했다. 카크래프트를 활용하면 실제 도로에선 불가능한 테스트를 장기간에 걸쳐 진행할 수 있다. 시뮬레이터상에서 새로운 행동을 학습할 수 있는 알고리즘을 연구하는게 가능하다. 도요타리서치연구소(TRI)의 '길 프렛' 대표는 뉴욕타임즈와의 인터뷰에서 도요타 역시 시뮬레이터를 이용해 심층신경망을 훈련시키고 있다고 밝혔다.

자동차 개발 업체는 아니지만 딥마인드, 버클리 AI연구소, 오픈AI 등 인공지능 연구기관들은 보다 복잡한 ‘강화학습’ 기법을 활용하고 있다. 가상 환경에서 강도 높은 시행착오 과정을 거쳐 학습 알고리즘을 만들어낸다. 스타크래프트 게임 등 복잡한 비디오 게임을 이용해 학습 알고리즘을 만들기도 한다. 우버 역시 ‘GTA(Grand Theft Auto)’ 같은 대중적인 게임을 이용해 자율주행 학습 알고리즘을 훈련시키고 있다. 다음으로 실제 도로를 시뮬레이션한 훈련 시스템을 고려하고 있다.

하지만 실제 세계와 가상 세계의 간극을 메꾸는 일은 쉽지 않다고 한다. 알고리즘이 학습하는 동안 기대하지 않거나 해악을 끼치는 행동을 학습하지 않도록 해야하기 때문이다. 해악을 끼치는 행동을 학습하는 것을 방지하기 위해 웨이모,도요타 등 업체들은 머신러닝에만 의존하지 않는다. 전통적인 코딩 방식도 병행한다. 그럼에도 머신러닝은 자율주행자동차 개발에 갈수록 중요한 기법으로 자리잡을 전망이다.