거대한 시류의 곁을 지킨다

네이버는 라인을 미국과 일본에서 동시에 상장한 직후 소프트웨어에서 하드웨어 기업으로의 변신을 선언했다. 4차 산업혁명을 이끌 핵심 기술인 자율주행차와 로봇 등의 경우 소프트웨어뿐 아니라 하드웨어에 대한 이해가 없으면 실제로 구현해내는 데 한계가 있기 때문이다. 실물 없는 소프트웨어는 반쪽짜리에 불과하다고 판단한 것이다.

 

네이버는 선언에 그치지 않고 개발 중인 다양한 하드웨어 산물들을 선보였다.
 일산 킨텍스에서 열린 '2017 서울 모터쇼'에 참석해 무려 1000㎡의 전시 공간을 마련, 일련의 자율주행 기반 기술을 뽐낸 것이 대표적인 예다.

 

네이버가 모터쇼에 참석한 것은 처음이었다. 자율주행차 양산에 나서겠다는 뜻은 아니었지만, 하드웨어까지 외연을 넓히겠다는 의지를 보여준 상징적인 이벤트였다.

 자율주행차 자체만이 아니라 자율주행 편의점 등으로도 확장할 수 있어 가능성이 무궁무진한 것으로 보고 있다.

 

네이버랩스 모빌리티팀은 다가올 미래 세상에서 사람들의 이동을 쉽고, 편리하고, 안전하게 만들겠다는 것을 목표로 삼고 있다. 특히 PC에서 모바일로 플랫폼이 옮겨가고 있듯, 그다음 플랫폼은 자율주행차가 될 것이라 판단하고 기술을 개발 중이다. 어디서나 정보가 쉽게 연결되는 시대지만, 도로 위 운전석만큼은 여전히 예외라는 점에서 기회를 엿보고 있다.



네이버는 주로 자율주행과 첨단운전자지원시스템(ADAS)과 관련된 기술 분야를 연구 중이다. 자율주행차는 측위, 인지, 제어를 담당하는 센서들과 소프트웨어로 구성된다. 현재 운전자가 탑승한 차의 위치를 알아내고(측위), 차 주변의 사물과 교통 상황을 파악하며(인지), 도로 상황에 맞게 차를 이동하게 한다(제어)는 것이다.

 

최근 머신러닝의 기술적 발전으로 인지 알고리즘 성능이 비약적으로 발전했다. 이를 바탕으로 자율주행 연구는 인지와 제어를 동시에 학습하는 형태로 진화하고 있다. 레이더 센서를 이용해 앞차의 속도, 앞차와의 거리 등을 인식하면 그 결과를 주행, 즉 제어에 필요한 정보로 직접 변환하는 식이다.



 

자율주행과 관련된 알고리즘은 크게 세 가지가 있다. 정규 도로 상황 영상을 바로 학습시키는 지도 학습, 차가 탑재한 센서를 이용하는 매개 인식, 블랙박스 영상으로 운전자 주행기록을 활용하는 일반 운전 모델 알고리즘이다.

 

네이버는 세 가지 알고리즘이 특수 차량에만 적용할 수 있고, 가상 실험으로만 구현됐으며, 성능이 낮다는 단점에 착안해, 자율주행차와 운전자의 안전한 차선 변경을 돕고자 이미지 기반 차선 변경 학습 알고리즘을 만들고 있다.