운전자 보조(ADAS)부터 완전 자율주행(AV)까지 SAE 레벨 1~5의 연속 스펙트럼을 다루는 도메인. 센서 측위·의사결정·차량 제어와 이를 둘러싼 안전 표준·원격 지원·사회적 수용성까지 포함한다. ADAS와 Autonomous Driving은 본 도메인에서 통합 관리하며, 필요 시 레벨별 서브섹션으로 구분한다.
핵심 배경
- 레벨 3 조건부 자동화의 양산 임계: 메르세데스 벤츠 DRIVE PILOT이 2024-12 독일 연방교통청으로부터 95 km/h 버전 승인을 받아 양산차 조건부 자동화 중 가장 빠른 시스템이 됨. 2030년 130 km/h 목표.
- 로보택시 vs 개인 차량 이분화: 같은 시기 GM이 Cruise 로보택시 개발 자금 지원 중단(2024-12-11)을 발표하며 개인 차량용 Super Cruise/ADAS 전략으로 회귀. 반면 Waymo 상용 서비스는 확장 중이나 탑승자 개인 안전(괴롭힘·군중 공격) 이슈가 새로 부각됨.
- 안전 표준: UL 4600이 안전 사례(safety case) 기반 평가를 제시하며 ISO 26262/SOTIF와 병행. 카네기멜론 필립 쿱만 교수가 주요 저자.
- 측위·센서 융합: GNSS가 내비게이션·텔레매틱스·V2X·ADAS·eCall 전 영역 기반 기술. u-blox X20이 3대역 단일 칩으로 IP 연결 없는 글로벌 보정·기능 안전 수신기까지 커버. 레벨 3+에서는 라이다 필수(메르세데스 DRIVE PILOT) + HD 맵 병용 여부에 따라 아키텍처 분기.
- 시뮬레이션·검증: MORAI MORAI Drive가 3D 라이다·카메라 센서 모듈에 대해 ISO 26262 ASIL D 시뮬레이션 분석 도구 적합성 인증 획득 (SGS-TUV Saar, 2024-12).
- 원격 지원(RVA)과 ODD: beyless·로보택시 사례가 보여주듯 ODD 외 예외 케이스는 관제센터 원격 제어가 현실적 대안. 초저지연 영상 전송·플릿 관리 플랫폼이 필수.
- 기반 OS: 레벨 3 양산에서 QNX가 사실상 표준 — 메르세데스 DRIVE PILOT 세이프티 SW, NVIDIA DRIVE OS Safety 모두 QNX 기반이라고 알려짐(쿠어빌 발언, 2024-11).
- 개념 아키텍처 표준화: The Autonomous Safety & Architecture 워킹그룹이 2025-09 Safe Automated Driving 2판을 공개. SAE 레벨 4 고속도로 파일럿(130 km/h) 참조 사용사례로 8개 후보 아키텍처(모놀리식 / 대칭형 / 비대칭형)를 6대 기준으로 비교 → 비대칭형 권장. Sufficient Independence·독립성 커버리지 정량화 방법론을 새롭게 도입.
- 비전 단일 자율주행의 한계: The Autonomous 2025 키노트에서 미시 커밍스(George Mason University) 교수가 “비전 센서 단일로 자율주행은 절대 불가능”이라고 단언. 컴퓨터 비전 환각(예: 테슬라 ‘팬텀 브레이킹’), 2023년 Cruise 보행자 끌림 사고(보행자가 차량 밑으로 들어가자 시스템이 ‘사람’으로 인식 못해 우측 이동), Waymo 원격 조작자 시간 지연으로 인한 캘리포니아 측면 충돌 사례로 인간 보조자(human babysitter) 의존·원격 지원·불안전한 테스트 문제를 강조.
- Hybrid E2E + VLM 양산: Robert Bosch CTO 마티아스 필린(2025-09 The Autonomous 키노트)은 모놀리식 1단계 E2E를 거부하고 인식·융합·주행 전략 3블록 구조 + E2E 학습의 Hybrid 접근을 제시. 2024년 초 중국에서 2 Stage E2E SOP, 2025-09 1 Stage E2E 출시(중국 ADAS 상위 3위), CARIAD ‘자율주행 얼라이언스’로 2026년 중반 유럽 SOP 준비. 미들웨어로 NVIDIA·Qualcomm·Horizon Robotics·Ambarella 다양 SoC 동일 SW 배포. 다음 단계는 VLM(Vision Language Model)을 스택 중간 계층에 삽입해 의미적 정보·세계 지식 추론.
- AI의 수학적 한계: 필린이 정리한 생성형 AI 본질적 한계 — 스케일링(이산 토큰 vs 연속 세계), 발현(어텐션 헤드의 양·음 발현), 정렬(프롬프트 의존 기괴 행동). “AI만으로 완전 자율주행 불가능. 레벨 3 ODD 극도로 제한, 레벨 4도 백업 오퍼레이터 필요.” 보쉬는 20년 전 이론적 로보틱스 트릭으로 자율주행 테스트 차원(dimensionality)을 줄이는 수학 기법을 2026년 초 논문 발표 예정.
- 88억 마일 검증 통계: TTTech Auto CTO 폴드나의 추산(2025-09 The Autonomous 패널) — 인간 운전자 약 1억 마일/치명적 사고 수준에 단일 시스템으로 도달하려면 통계적 검증으로 약 88억 마일 주행이 필요해 유한한 시간 안에 달성 불가. 칩·센서·통신·처리·액추에이터 전체 체인의 중복(redundancy)이 유일한 길.
- AI + 세이프티 컨트롤러 이중 구조: Infineon Schaefer 제시 — AI 프로세서가 E2E 모델을 실행하는 동안 ASIL-D 등급 세이프티 마이크로컨트롤러가 결정론적 중재자로 규칙 기반 검증·백업 실행. 레벨 3 이상은 안전 기반 위 두 개의 독립적인 축이 필수.
- 레벨별 라이다 가용성 차이: Innoviz Keilaf — 레벨 2는 5분마다 잠깐 멈춰도 무방, 레벨 3은 비용·탐지 거리 + 고속도로 환경, 레벨 4는 100% 가용성 필수(운전자 미개입). 센서는 결정론적·예측 가능 동작이어야 하며 기회주의적 AI 처리 배제.
- 차량 페이스리프트 = SDV HW 한계: Audi Augustin — 반도체 기술이 3년마다 극적으로 진화하는데 7~8년 차량 HW 업데이트는 비즈니스 모델 부재. 차량 페이스리프트 주기(약 3년)에서만 HW 업데이트 가능 — 이것이 SDV의 한계. SW만으로 모든 것을 해결할 수 없음.
- 하이브리드 자율주행 — 원격제어가 신뢰의 다리: 체코 Roboauto CEO 야쿱 주자(2025-10) — 자율주행을 ‘all or nothing’으로 보지 않고 원격제어(Teleoperation)를 자동화 가능 영역과 인간 개입 영역을 잇는 다리로 자리매김. 핵심 기술 = 멀티패스 본딩 + 예측 제어 + 적응형 비디오 비트레이트. 통신 품질 저하 시 최소 위험 상태(minimal-risk state) 자동 진입. 로보택시의 감독층(supervision layer) 역할로 가동시간·배포 안정성을 뒷받침.
- AI 레이다와 비합리적 위험: 실리콘밸리 Zendar CBO 수닐 토마스(2025-10) — “웨이모는 너무 비싸고, 테슬라는 너무 위험하다.” 양극단 모두 비합리적 위험(센서 과포화의 비용 비현실성 vs 카메라 온리의 환경 의존성). Semantic Spectrum Radar AI가 포인트 클라우드를 버리고 레이다 스펙트럼 전체를 신경망으로 분석해 10배 해상도 + 10배 연산 효율 달성. 20 TOPS급 SoC로 1V5R 구성을 구동해 별도 고가 HW 없이 NoA·레벨 3 구현 — 현 레벨 2+ 시스템 200~500 TOPS 대비 획기적 절감. 같은 흐름에서 중국 Calterah는 2014년 설립 후 2017년 세계 최초 CMOS 77/79 GHz RF 프론트엔드 양산을 달성하며 차량 레이다 SoC를 칩 레벨에서 비용·통합도 측면으로 끌어내려 OEM 양산 적용을 가속.
- 중국 지능주행의 ‘경계(boundary)’ 패러다임: Automechanika Shanghai International Summit on Connected Vehicles Development 2025 패널(Dongfeng·SAIC·GWM·Baidu) — AI·자율주행의 핵심을 ‘기술의 가능성’이 아니라 기술의 경계에서 찾는다. 핵심 — 기술 성숙도 vs 적용 속도 균형, 기술 홍보와 실제 능력 사이의 간극(과도한 마케팅 → 사용자 과신·오용), 레벨 2 vs 레벨 3 책임 배분(레벨 2는 운전자 주체, 레벨 3+ 시스템 비중 ↑), AI는 확률론적 — 설명 가능성·환각·예외 동작 정면 대응, 시뮬레이션 vs 실도로 테스트 최적 비율, 다층 안전 레이어(설계 리던던시·페일세이프 + 개발 시나리오 커버리지 + 시뮬+실도로 병행 + 운영 모니터링·OTA·로그). 레벨 4는 기술적 리던던시 필수 — 센서·컴퓨팅·통신·제어 한 라인 장애 시 다른 라인이 이어받음. Baidu 양산 데이터 — 12개 도시·700만 회 승객·2,000만 km 누적 + 140만 km 무인·우한 약 3,000 km 노선 365/24 운영(1만 km/일). 정책 — 중국 2021 기점 CATARC 단계별 표준화, OEM·테크기업의 C-V2X·ICV 도로 테스트 데이터 구조화 공유가 살아있는 규범 체계의 전제.
- 운영성 중심 4D 이미징 레이다 — “센서 퓨전이 아니라 인지의 표준화”: 한국 DeepFusion AI 유승훈 CEO(2025-12) — ‘카메라·라이다·레이다 결과를 후합산’하는 센서 퓨전이 아니라 세상을 인식하는 기준 자체를 하나의 공통 언어로 정의하는 ‘퍼셉티브 센서 스탠다드’. RAPA-R(Real-time Attention-based Pillar Architecture for Radar)으로 레이다를 독립적인 인지 주체로. 가상 레이다 프리트레이닝으로 HW 변경에도 짧은 파인튜닝만으로 인지 구조 이식. 40~50 ms 사이클당 약 2,000 포인트 수준의 4D 이미징 레이다가 ‘딥러닝 임계점’에 도달 — 라이다 4년차에 비유. 첫 레퍼런스는 자율주행이 아니라 무인 수상정·무인 전투 차량(생존성 문제) → 로보택시·ADAS 운영 문제로 환류. CES 2026 인공지능 분야 최고혁신상. 라이다와의 관계는 ‘대체가 아닌 역할 재정의’ — 운영 환경에선 10 cm 안정성·지속가능성이 밀리미터 정밀도보다 중요.
- Autonomy by Design — 신뢰는 경험에서: 한국 Sonnet.AI 손준우 박사(2025-10 AVTS North America) — 강릉 로보셔틀 시범에서 탑승 전 28% vs 후 83% 가 안전 응답. “적은 센서, 더 높은 안전성” 원칙 + AutoDrive™ 모든 차량 도메인 동일 SW. 2024년 국토교통부 레벨 4 셔틀 인증(중소기업 독자 국내 최초, 기능안전성 + SOTIF + 인지·컴퓨팅·제어 이중화). RAXIAN™ — Retrofit 거부, 평판형 모듈 섀시 + 인휠모터 + Sensor-Agnostic 아키텍처. 1993 한민홍 교수의 한국 최초 자율주행 연구가 30년 계보로 이어짐.
주요 개념
시스템 사례·카테고리
자율주행 SW 스택
센서·측위
안전 표준
안전 아키텍처
검증·시뮬레이션
컴퓨팅 플랫폼
그 외 표준
- ISO 26262
- ISO 21448 SOTIF
- ISO PAS 8800
- UNECE R157 — SAE 레벨 3+ 고속도로 파일럿(HWP) 형식승인 요건. 잘 설계된 아키텍처는 시행착오식 블랙박스 시험 대신 설계 단계 안전요건 충족 증명을 돕는다.
- ISO/TS 5083 (2025) — AD 시스템 개발·검증·안전 케이스 가이드. 폴백 메커니즘 필수.