자율주행차는 자동화된 차량이라고도 불리며, 센서, 컴퓨팅, 소프트웨어를 갖추어 주변 환경을 인식하고 조향, 가속, 제동을 인간의 입력을 줄이거나 없이 제어할 수 있는 도로 차량이다. 자동차공학회는 주행 자동화의 6단계를 정의하는데, Level 0(무자동화)부터 Level 2(운전자의 지속적인 감독이 필요한 부분 자동화)를 거쳐 Level 5(모든 조건에서 인간 운전자 없이 완전 자동화)까지이며, 2020년대 중반 기준으로 상용 배포된 시스템 중 안정적으로 Level 5에 도달한 사례는 없었고, 대부분의 공개 시스템은 Level 2 또는 제한된 지오펜스 지역에서 Level 4로 운영되었다.
DARPA에서 상용 배포까지
현대 자율주행 연구는 DARPA Grand Challenge에서 비롯되었는데, 이는 2004년과 2005년에 DARPA가 사막 지형에서 자율주행차를 대상으로 개최한 일련의 경주로, 첫 번째 코스에서 어떤 팀도 완주하지 못한 후 2005년 우승자인 스탠퍼드의 스탠리가 Sebastian Thrun의 지도 아래 있었고, 이후 2007년 어반 챌린지가 현대 산업의 인재와 기술 기반을 마련하는 데 기여했다. 구글은 2009년 Thrun의 지도 아래 자율주행차 프로젝트를 시작했으며, 이는 2016년 Google DeepMind 자매 회사인 웨이모로 분사되었다. 웨이모는 인간 안전 운전자 없이 무인 상용 로보택시 서비스를 운영한 최초의 회사가 되었으며, 2020년 애리조나주 피닉스에서 시작하여 이후 샌프란시스코, 로스앤젤레스 및 추가 미국 도시로 확장했다. 제너럴 모터스가 지원하는 크루즈는 경쟁 로보택시 서비스를 운영했지만, 2023년 샌프란시스코에서 보행자 끌림 사고로 인해 전국적으로 차량 운행이 중단되고 주요 리더십과 전략 변경이 이루어졌다.
테슬라의 접근 방식
테슬라는 Elon Musk의 지도 아래 다른 기술적 경로를 추구했으며, 웨이모와 대부분의 다른 개발자들이 사용하는 라이다 센서 대신 카메라 기반의 Computer vision에 의존하고, 오토파일럿과 풀 셀프 드라이빙으로 마케팅되는 운전자 지원 기능을 소비자 차량에 점진적으로 배포하여 소규모 지오펜스 로보택시 차량으로 기술을 제한하지 않았다. "풀 셀프 드라이빙"이라는 브랜드에도 불구하고, 이 시스템은 공개 출시 기간 내내 활성 운전자 감독을 요구했으며 Level 2 자동화로 분류된다. 이 접근 방식과 마케팅은 규제 조사를 받았으며, 미국 고속도로교통안전국의 해당 기능 관련 충돌 사고 조사를 포함한다.
기술적 접근 방식
자율주행 시스템은 일반적으로 여러 종류의 센서, 카메라, 레이더, 그리고 테슬라를 제외한 대부분의 접근 방식에서 라이다를 결합하며, 컴퓨터 비전과 점점 더 학습된 Neural network 모델에 기반한 인식 소프트웨어를 통해 융합된다. 경로 계획 및 제어 계층은 인식된 주변 환경을 주행 결정으로 변환하며, 최근 시스템은 센서 입력을 주행 동작에 더 직접적으로 매핑하는 엔드투엔드 학습 모델을 점점 더 사용하고 있다. 이는 Robotics 전반에서 수작업으로 코딩된 제어보다 학습된 제어로의 광범위한 추세와 개념적으로 관련이 있다.
긴 꼬리 문제
완전 자율주행의 핵심 기술적 장애물은 종종 긴 꼬리로 설명된다. 대부분의 주행 상황은 일상적이며 이미 안정적으로 처리되지만, 드문 엣지 케이스(특이한 도로 표시, 변덕스러운 다른 운전자, 예측 불가능한 보행자 행동, 익숙하지 않은 날씨)의 작지만 사실상 무한한 집합이 계속해서 실패를 유발하며, 모든 조건에서 인간의 안전 수준을 맞추거나 초과하기 위해 그 꼬리를 충분히 커버하는 것은 2010년대 초기 산업 예측보다 훨씬 어려운 것으로 입증되었다. 일반적인 조건에서 입증된 능력과 드문 조건에서의 견고성 사이의 이러한 격차는 Hallucination (AI) 및 Large language model 시스템을 포함한 다른 AI 영역에서 관찰된 유사한 신뢰성 문제와 평행하며, 산업 전반에 걸쳐 완전한 Level 5 배포 일정을 반복적으로 연기시켰다.