Imagry — 이스라엘 자율주행 SW 기업. 스스로를 ‘Generative Autonomy 파이오니어’로 정의. HD맵·라이다·규칙 기반 추론에 기대지 않는 카메라-온리 + 모듈러 스택으로 양산 환경에서 실행가능한 자율주행을 추구. 유럽 NCAP을 통과한 유일한 자율주행 버스 사업자.
CTO 약력
- 아이란 샤비브 (Ilan Shaviv) CTO
- 합류 전 RAFAEL Advanced Defense Systems에서 28년 근무, 마지막에 다학제 프로젝트 Chief System Architect
- 테크니온(Technion) 항공우주공학 BSc(1994 최우등)·MSc(2000)·PhD(2008), 유도(Guidance) 및 상태추정(State Estimation) 전문
- 국가 국방부 상 2회 + RAFAEL Award of Excellence
Generative Autonomy
정의
현실세계에서 기계를 실제로 움직이게 하는 실시간 지능 (real-time intelligence that drives machines in the real world)
- 인간처럼 보고 반응하도록 학습 + HD맵·라이다 의존성 제거
- 모듈러 스택 (E2E 학습보다 가까움)
- ‘generative’ = 시스템이 경험과 지도학습(supervised learning)에 기반해 시간이 지날수록 점진적으로 개선
런타임에서 ‘생성’되는 것
- 실시간 카메라 영상(비주얼 피드)을 해석
- 사전 정의 규칙·고정 지도 의존이 아니라 AI가 상황에 맞는 판단·반응을 만듦
카메라 온리 (Camera-Only)
논리
“현재의 도로 인프라는 기본적으로 눈으로만 운전하는 인간을 기준으로 설계됐습니다.”
- 과거 다양한 센서를 쓴 이유는 연산 능력 부족 → 이젠 그렇지 않음 (테슬라 AI 부문 부사장 Ashok Elluswamy LinkedIn 언급 인용)
- 레이다·라이다 한계: 약 250m에서 성능 한계, 그 거리 정보가 매우 제한적·희소
- 카메라: 교통 표지판·신호등 색상·도로 표식·차선 인식 가능
- 인간이 운전 가능한 ODD = 비전-온리도 충분. 폭우·짙은 안개·완전 암흑은 인간도 어려움 → IR 카메라 결합 시 인간보다 우위 가능
- 비용 측면에서 현저히 저렴
No HD Maps
의미
- 시스템 내에서 사전 매핑된 데이터가 필요하지도 원하지도 않음
- 규칙 기반 추론도 사용하지 않음
- 카메라로 실시간 인식 + 전용 분산 신경망으로 객체 식별·분류 + 차량 움직임 계획
- “렌터카로 처음 가는 도시를 운전할 수 있는 사람”과 유사
내비게이션 맵 vs HD맵 구분
| 항목 | HD맵 | 내비게이션 맵 |
|---|---|---|
| 해상도 | ~5cm 이하 | 수십 m 단위 |
| 의존성 | 지오펜스 영역, 클라우드 데이터 링크, 사이버 취약성 ↑ | 일반적 |
| Imagry 사용 | 사용 안 함 — 인지 스택이 도로 토폴로지 온라인 인지 | A→B 경로 안내. 인간처럼 Google Maps/TomTom/Waze 활용 |
HD맵 회피 이유
- 도로 공사·날씨 손상·예기치 않은 장애물로 도로가 수시 변화 → 5cm 해상도 지속 사전 매핑 필요·비용 ↑·항상 보장되지 않음
- HD맵 정보 검증에도 결국 인지 스택 필요 → 입력 충돌 시 신뢰 판단 + 비교 과정의 시스템 지연
배포 시 로컬라이제이션 수준
- “다음 다음 교차로에서 꺾어라”, “첫 번째 가능한 지점에서 우회전해라” 정도의 내비게이션 수준
- Google Maps 같은 일반 앱이 작동하는 위치 정보면 충분
- 인지 스택이 차선 수 등 도로 토폴로지를 온라인 인지 + 내비게이션 안내 결합 → 모션 플래닝이 경로 생성
차량 스택 통합 — 입출력·HW 요건
HW Agnostic + 최소 연산 요구
| 차량 구분 | 최소 TOPS |
|---|---|
| 승용차 | 약 150 TOPS |
| M3 등급 버스 | 약 300 TOPS |
- 추천 구성: NVIDIA Drive Orin + 표준 2.5메가픽셀 카메라
입력
- 카메라 8대에서 30Hz 비디오 스트림 (기본)
- IMU 관성센서, 차량 휠 속도, 조향각
- 내비게이션의 방향 지시
출력
- 스로틀(가속)·브레이크·스티어링 제어 명령 직접 전달
- 방향지시등 신호
내부 처리 (둘)
- 8대 카메라로 360° 인지 — 도로 토폴로지(차선·도로 연결) + 주변 차량·보행자
- 다음 순간 차량 경로 생성 — 주변 상호작용 안전 + 내비게이션 방향 정렬
Imagry 출력 책임 경계 (3가지)
- 주변 환경에 대한 완전한 이해 (도로 형상 + 객체)
- 행동 경로(path)
- 차량에 전달되는 제어 명령(control commands)
A→B 내비게이션 경로는 제공하지 않음. 인간 운전자처럼 Google Maps/Waze/TomTom 별도 애플리케이션 계층에서 제공.
책임 문제는 현재 각 국가별로 정의되고 있는 크고 복잡한 법적 이슈.
OEM 통합
- 현재 OEM 설계 단계에서 통합 목표
- SDV 시대에는 고객이 Imagry 소프트웨어를 직접 다운로드하는 방식도 가능
학습 운영 루프
수집 → 선별 → 라벨링 → 재학습 → 릴리스 게이팅 → 플릿 모니터링.
- 새 사이트 수집 주행 경험은 다른 모든 사이트에도 적용
- 새 ODD에서 허용가능한 주행 성능 도달 후, 이후 차량 전체 수명 동안 데이터 수집 지속
- 시스템이 새로운 상황에서 도움이 필요하다고 판단될 때만 추가 학습 사이클
- 모든 과정은 Imagry 내부 + 자체 특허 자동 어노테이션 도구
’Global, Out of the Box’
- 시스템은 처음부터 범용적으로(generalized) 학습되도록 설계 — 특정 도시·국가 정보가 코딩되지 않음
- 한계: 2019년 이후 여러 국가 공공도로에서 수집한 방대한 주행 DB가 보여준 사례
- 새 지역에서는 사람처럼 처음에 더 조심스럽게 → 익숙해질수록 confidence ↑
- 안정화 시간 결정 요인:
- 같은 차량 플랫폼인가 (다르면 카메라 장착 위치·각도 → 신경망 시야/기하 변경 → 모델 조정 필요)
- 새 지역의 ODD가 기존과 얼마나 다른가
NCAP 통과 — 안전성 검증
- NCAP = New Car Assessment Program (1978년 NHTSA 도입)
- Imagry는 유럽 NCAP(Euro NCAP, 1997~ 출범, 가장 엄격) 기준 따름
- 현재까지 자율주행 버스를 통해 NCAP 테스트를 통과한 유일한 기업
- 평가: 총 90가지 시나리오, 시속 30~60km 범위. 도로 위 장애물·저속 차량·보행자·가려진 상태에서 갑자기 도로로 뛰어드는 어린이 등
- 버스용 시스템은 승용차용과 동일한 코어 + 버스 정류장 대응 등 추가 기능