1.2 자율주행 기술의 역사적 발전

1. 초기 연구 단계 (1920년대~1980년대)

자율주행에 대한 구상은 1920년대까지 거슬러 올라간다. 1925년 미국의 발명가 Francis Houdina는 무선 조종 차량 “American Wonder“를 뉴욕 시내에서 시연하였다(Houdina, 1925). 이는 엄밀한 의미의 자율주행은 아니었으나, 인간이 직접 조향하지 않는 차량 운행의 가능성을 최초로 대중에게 보여준 사례이다.

1960년대부터 학술적 연구가 본격화되었다. 스탠퍼드 연구소(Stanford Research Institute)는 1966년부터 1972년까지 세계 최초의 이동 로봇인 Shakey를 개발하였다(Nilsson, 1984). Shakey는 카메라와 범프 센서를 이용하여 실내 환경을 인식하고, 경로를 계획하여 자율적으로 이동하는 기능을 갖추었으며, 이 과정에서 A* 탐색 알고리즘과 STRIPS(Stanford Research Institute Problem Solver) 등의 핵심 인공지능 기법이 개발되었다.

1977년 일본 쓰쿠바 기계공학연구소(Mechanical Engineering Laboratory)에서 개발한 자율주행 차량은 카메라 기반의 차선 인식 시스템을 탑재하여 시속 약 30km로 구조화된 도로 환경에서 자율 주행에 성공하였다(Tsugawa et al., 1979). 이는 실외 도로 환경에서의 자율주행을 시도한 초기 사례 중 하나이다.

2. DARPA 자율 지상 차량 프로그램 (1980년대~1990년대)

1984년 미국 방위고등연구계획국(DARPA)은 자율 지상 차량(Autonomous Land Vehicle, ALV) 프로그램을 개시하였다. 이 프로그램의 일환으로 카네기 멜론 대학교(Carnegie Mellon University)의 Navlab 프로젝트가 진행되었으며, 1986년에 Navlab 1이 카메라와 라이다를 이용하여 구조화된 도로에서 자율 주행을 수행하였다(Thorpe et al., 1988).

1990년대에는 카네기 멜론 대학교의 Dean Pomerleau가 인공 신경망 기반의 자율주행 시스템 ALVINN(Autonomous Land Vehicle in a Neural Network)을 개발하였다(Pomerleau, 1989). ALVINN은 카메라 영상을 입력으로 받아 조향 명령을 직접 출력하는 종단간(End-to-End) 학습 방식을 채택한 선구적 연구이다.

1995년 카네기 멜론 대학교의 Navlab 5 차량은 “No Hands Across America” 프로젝트를 통해 미국 대륙을 횡단하는 약 4,585km의 주행을 수행하였다. 이 주행에서 조향의 약 98.2%가 자동으로 이루어졌으며(Pomerleau & Jochem, 1996), 이는 장거리 자율주행의 기술적 가능성을 실증한 사례이다.

유럽에서는 Ernst Dickmanns가 이끄는 뮌헨 연방군 대학교(Universität der Bundeswehr München) 연구팀이 1980년대 후반부터 VaMoRs(Versuchsfahrzeug für autonome Mobilität und Rechnersehen) 프로젝트를 수행하였다. 1994년에는 VaMP 차량이 파리 근교의 고속도로에서 시속 130km 이상으로 약 1,000km를 반자율 주행하는 데 성공하였다(Dickmanns et al., 1994).

3. DARPA Grand Challenge와 Urban Challenge (2004~2007)

2004년 DARPA는 자율주행 기술의 발전을 촉진하기 위해 DARPA Grand Challenge를 개최하였다. 모하비 사막의 약 240km 비포장 경로를 완주하는 것이 목표였으나, 참가 차량 중 어느 것도 완주에 성공하지 못하였다. 최장 거리를 주행한 차량은 약 11.78km에 그쳤다(Thrun, 2006).

2005년 제2회 DARPA Grand Challenge에서는 스탠퍼드 대학교의 Stanley가 약 212km의 사막 경로를 6시간 53분 만에 완주하여 우승하였다(Thrun et al., 2006). Stanley는 라이다, 카메라, GPS를 융합한 인지 시스템과 확률적 지형 분석 알고리즘을 사용하였으며, 이 대회는 자율주행 연구에 대한 학계와 산업계의 관심을 크게 증대시켰다.

2007년 DARPA Urban Challenge는 도시 환경에서의 자율주행으로 과제를 확장하였다. 교통 법규 준수, 교차로 통과, 다른 차량과의 상호작용 등 복잡한 도시 주행 시나리오가 포함되었다. 카네기 멜론 대학교의 Boss가 우승하였으며(Urmson et al., 2008), 이 대회를 통해 자율주행 기술이 통제된 환경에서 도시 수준의 복잡도를 처리할 수 있음이 실증되었다.

4. 산업화 단계 (2009~현재)

2009년 Google은 DARPA Challenge 출신 연구자들을 중심으로 자율주행 프로젝트를 시작하였으며, 이 프로젝트는 2016년 Waymo로 독립하였다. Waymo는 2020년 애리조나주 피닉스에서 완전 무인 로보택시(Robotaxi) 상용 서비스를 개시하였으며(Waymo, 2020), 이는 Level 4 자율주행의 상용화를 선도한 사례이다.

2010년대 이후 심층 학습(Deep Learning)의 발전은 자율주행 기술에 근본적인 변화를 가져왔다. 2012년 AlexNet(Krizhevsky et al., 2012)의 등장 이후 합성곱 신경망(CNN) 기반의 영상 인식 기술이 비약적으로 발전하였으며, 이는 자율주행의 인지 모듈 성능을 크게 향상시켰다. 2016년 NVIDIA의 연구진은 합성곱 신경망을 이용한 종단간 자율주행 시스템을 제안하였으며(Bojarski et al., 2016), 이는 Pomerleau의 ALVINN 이후 심층 학습 기반 종단간 접근법의 부활을 의미하였다.

2020년대에 들어서면서 트랜스포머(Transformer) 아키텍처가 자율주행 분야에 적용되기 시작하였다. Tesla는 2021년 비전 트랜스포머(Vision Transformer) 기반의 인지 시스템을 발표하였으며, 다수의 카메라 영상으로부터 BEV(Bird’s Eye View) 표현을 생성하는 아키텍처를 도입하였다. 이후 UniAD(Hu et al., 2023) 등의 연구는 인지, 예측, 판단을 단일 트랜스포머 네트워크에서 통합적으로 처리하는 통합 자율주행 프레임워크를 제안하여 종단간 자율주행 연구의 새로운 방향을 제시하였다.

5. 자율주행 기술 발전의 주요 이정표 요약

6. 참고 문헌

• Bojarski, M., Del Testa, D., Dworakowski, D., Firner, B., Flepp, B., Goyal, P., … & Zieba, K. (2016). End to end learning for self-driving cars. arXiv preprint arXiv:1604.07316.
• Dickmanns, E. D., Behringer, R., Dickmanns, D., Hildebrandt, T., Maurer, M., Thomanek, F., & Schiehlen, J. (1994). The seeing passenger car ‘VaMoRs-P’. Proceedings of the Intelligent Vehicles Symposium, 68–73.
• Hu, Y., Yang, J., Chen, L., Li, K., Sima, C., Zhu, X., … & Li, H. (2023). Planning-oriented autonomous driving. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 17853–17862.
• Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. Advances in Neural Information Processing Systems, 25, 1097–1105.
• Nilsson, N. J. (1984). Shakey the robot. Technical Note 323, SRI International.
• Pomerleau, D. A. (1989). ALVINN: An autonomous land vehicle in a neural network. Advances in Neural Information Processing Systems, 1, 305–313.
• Pomerleau, D. A., & Jochem, T. (1996). Rapidly adapting machine vision for automated vehicle steering. IEEE Expert, 11(2), 19–27.
• Thorpe, C., Hebert, M., Kanade, T., & Shafer, S. (1988). Vision and navigation for the Carnegie-Mellon Navlab. IEEE Transactions on Pattern Analysis and Machine Intelligence, 10(3), 362–373.
• Thrun, S. (2006). Stanley: The robot that won the DARPA Grand Challenge. Journal of Field Robotics, 23(9), 661–692.
• Thrun, S., Montemerlo, M., Dahlkamp, H., Stavens, D., Aron, A., Diebel, J., … & Mahoney, P. (2006). Stanley: The robot that won the DARPA Grand Challenge. Journal of Field Robotics, 23(9), 661–692.
• Tsugawa, S., Yatabe, T., Hirose, T., & Matsumoto, S. (1979). An automobile with artificial intelligence. Proceedings of the 6th International Joint Conference on Artificial Intelligence, 893–895.
• Urmson, C., Anhalt, J., Bagnell, D., Baker, C., Bittner, R., Clark, M. N., … & Ferguson, D. (2008). Autonomous driving in urban environments: Boss and the Urban Challenge. Journal of Field Robotics, 25(8), 425–466.
• Waymo. (2020). Waymo One: The next step on our journey.

v1.0