창문이 달린 커다란 토스터기. 이것이 많은 사람들이 ‘로보택시’라는 말을 들으면 떠오르는 모습일 것입니다. 하지만 미래형 자율주행 로보택시는 단순히 토스터기처럼 생긴 외관 그 이상의 것을 의미하는데요. 바로 이 로보택시가 우리 미래의 운송수단을 이끌어갈 차세대 차량이 될지도 모른다는 겁니다.
자동차 제조업체, 공급업체와 신생업체는 지난 십년간 자율주행 차량을 개발하기 위해 모든 노력을 기울여 왔습니다. 하지만 지금까지 자율주행 자동차를 대량으로 생산해내는 기업은 없었죠.
그 개발 과정은 예상보다 오랜 시간이 걸리는 일입니다. 로보택시를 개발하고 배포하는 건 단순히 내년에 나올 신규 자동차 모델을 생산하는 것과 동일한 차원의 일이 아니기 때문인데요. 사람이 직접 주행할 필요 없는 로보택시는 바퀴 달린 복잡한 슈퍼컴퓨터라서, 이를 개발해 출시하고 지속적으로 개선하기 위해서는 엔드투엔드(end-to-end) 프로세스가 필요합니다.
일반 차량과 로보택시 차량 간의 차이는 대단히 큽니다. 로보택시를 운행하는 데 필요한 센서 데이터 량은 현재의 최첨단 자동차이 필요한 데이터 대비 100배 이상입니다. 또한 소프트웨어의 복잡성도 기하급수적으로 증가합니다. 다양한 딥 뉴럴 네트워크(DNN)가 통합 소프트웨어 스택의 일부로 동시에 실행하기 때문이죠.
자율주행 자동차는 최신 AI 알고리즘 첨단 기술을 활용하기 위해 지속적으로 업데이트해야 되는데요. 폐쇄적인 아키텍처를 기반으로 하는 자동차는 한번 공장을 떠나면 그 이후에 나온 신규 기술을 탑재할 수가 없습니다.
시간이 지날수록 성능이 개선되는 자동차
개방형, 소프트웨어 정의 아키텍처를 기반으로 개발된 로보택시는 처음 판매되는 시점에는 가장 기본적인 기능으로 운행됩니다. 그러나 차량의 소프트웨어를 지속적으로 개선시키고 업데이트하는 딥 뉴럴 네트워크(DNN) 덕분에 계속 최첨단 기능을 활용할 수 있죠.
신규 기능을 추가하는 데는 고성능의 중앙집중식 컴퓨팅이 요구되는데요. 이를 위해서는 통합 아키텍처에서 훈련하고 검증해 실시간 프로세싱에 이르기까지 엔드투엔드 개발 파이프라인 전체를 아울러야 합니다.
NVIDIA는 이러한 엔드투엔드 개발을 지원하는 유일한 기업입니다. 미국의 죽스(Zoox)와 보이지(Voyage), 중국의 디디추싱(DiDi Chuxing), 러시아의 얀덱스(Yandex)까지 사실상 모든 로보택시 제조업체와 공급업체가 NVIDIA GPU 오퍼링을 사용하고 있죠.
신규 인프라 구축
첨단 운전자 지원 시스템(ADAS)은 시간이 지날수록 성능이 점점 개선되는 기술을 기반으로 구축되긴 했지만 반드시 AI 기술을 사용하는 것은 아닙니다. 자율주행 차량은 데이터 센터에서 탄생된 것이나 다름없는데요. 주변의 수많은 환경 변화를 인지하면서 자율주행 차량이 운행되기 위해서는 많은 양의 데이터를 가지고 딥뉴론 네트워크를 훈련할 수 있어야 합니다. 데이터는 자율주행 자동차가 점점 늘어나면서 기하급수적으로 증가하고 있는데요.
예를 들어 하루에 6시간 운행하는 50대의 자율주행 차량이 생성하는 센서 데이터의 량은 하루에 무려 1.6페타바이트에 이릅니다. 그 데이터를 모두 표준 1GB 플래시 드라이브에 저장한다고 하면, 그 저장 면적은 100개 이상의 축구장에 달하게 되죠. 이런 데이터는 이후에 큐레이션과 레이블링을 거쳐 자율주행 차량에서 실행될 DNN을 훈련시키고, 물체 감지와 로컬리제이션(localization) 등과 기능에 쓰이게 됩니다.
그러나 데이터센터 인프라로는 자율주행차가 실제로 도로에서 주행되기 전까지는 딥뉴론 네트워크를 테스트하고 검증할 수 없습니다. 하지만 NVIDIA DRIVE Sim 소프트웨어와 NVIDIA DRIVE Constellation 자율주행차 시뮬레이터는 확장 가능하고, 통합적이며 다양한 테스팅 환경을 제공해 준다고 하는데요. NVIDIA DRIVE Sim은 에코시스템 파트너의 서드파티 모델용 플러그인이 포함된 오픈 플랫폼으로, 사용자가 자신만의 고유한 사용 사례에 맞춰서 사용할 수 있습니다.
로보택시를 구축하는 데 핵심적인 역할을 하는 모든 개발 인프라는 GPU 기반의 통합, 개방형, 고성능 컴퓨팅을 통해서만 가능합니다.
자동차에 대한 패러다임 전환
로보택시를 훈련하고 테스트하고 검증하는 데 중요한 동일한 프로세싱 기능이 자동차 자체에도 필요합니다.
중앙집중식 AI 컴퓨팅 아키텍처를 사용하면 자율주행시에 필요한 중복적이고 다양한 딥 뉴런 네트워크를 한번에 실행시킬 수 있죠. 또한 이 아키텍처는 반드시 개방형 플랫폼이어야 새로운 기능과 DNN을 활용할 수 있습니다.
NVIDIA DRIVE 제품군은 확장가능한 단일 아키텍처를 기반으로 단 5W의 전력량만으로도 10 TOPS(초당 테라 연산) 성능을 제공하는 NVIDIA Orin 제품부터 신규 NVIDIA DRIVE AGX Pegasus와 신속한 연산이 가능한 차세대 NVIDIA Orin SoC 그리고 NVIDIA Ampere 아키텍처로 구성됩니다.
높은 수준의 컴퓨팅 성능은 사람이 운전하는 것을 대신하고 월등한 자율주행 수준을 구현하는데 필요합니다. NVIDIA 플랫폼의 개방적이고 모듈화된 특성은 로보택시 기업들이 사람이 직접 운전해야 할 필요를 없애면서 핸들과 페달도 함께 제거하고, 새로운 자동차 디자인의 가능성을 열어줍니다.
개발자들은 NVIDIA DRIVE 제품군으로 수십개의 온보드 센서에서 얻은 데이터를 분석하는 데 필요한 프로세스를 원하는 만큼 사용할 수 있게 되면서, 시스템과 알고리즘의 다양성과 중복성을 통해 자율주행의 안전성을 확보할 수 있습니다.
이런 높은 수준의 기술을 달성하는 데는 지난 수년간의 투자와 전문기술이 필요했습니다. 이제 기업들은 확장가능한 단일 아키텍처를 사용해 최신 플랫폼으로 빠르게 전환할 수 있습니다.
지속적인 개선
로보택시 기업들은 끊임없이 자율주행차를 개선하기 위해 데이터 센터와 차량내 솔루션을 결합해 지속적인 엔드투엔드 개발을 진행하고 있습니다.
딥 뉴런 네트워크는 데이터 센터에서 개선되고 신규 성능을 학습하면서, 검증된 알고리즘을 무선 업데이트로 자동차의 컴퓨팅 플랫폼에 제공합니다. 이렇게 자율주행 차는 항상 최첨단 기술을 유지할 수 있죠.
지속적인 개발주기는 자동차 탑승객들에게 더 큰 즐거움을 제공해줄 뿐만 아니라 자율주행 기술을 개발하는 기업들에게 새롭고 혁신적인 비즈니스 모델의 가능성을 열어줍니다.