로보택시, 미래의 상상에서 도시의 일상으로

운전자가 없는 차량이 도심을 자유롭게 누비고, 호출 한 번으로 목적지까지 스스로 이동하는 시대가 도래했다. 자율주행 기술의 고도화와 함께, 자율주행차가 승객의 호출에 응답해 목적지까지 이동하는 도심형 공유 모빌리티 서비스, ‘로보택시’는 더 이상 실험적 기술이 아닌 주요 도시 교통 시스템의 새로운 인프라이자 서비스로 자리잡기 시작했다.

이미 세계 각지 도심에서 로보택시의 상용 운영이 본격화되며 시민들은 ‘미래의 교통’이 일상이 되는 순간을 맞이하고 있다. 로보택시 상용화를 주도하는 기업들 중 하나인 테슬라(Tesla)의 로보택시 ‘사이버캡(CyberCab)’은 마치 SF 영화 속 장면을 현실로 옮겨 놓은 듯한 미래지향적인 디자인과 기술적 상징성을 강조하며 대중의 이목을 집중시키고 있다. 동시에 각 기업들은 기술 검증, 환경 적응, 시스템 고도화에 이르기까지 다각도의 기술 역량을 키우며 미래 모빌리티의 청사진을 더욱 선명히 그리고 있다.

그렇다면 대중은 로보택시를 어떻게 받아들이고 있을까? JD파워의 ‘2024 미국 로보택시 경험 조사’에 따르면, 완전 자율주행차를 직접 경험한 이용자의 신뢰도는 76%로, 비경험자(20%)보다 56%포인트 높았다. 또한 로보택시 운행 지역에 거주하며 간접적으로 기술을 접한 사람들의 신뢰도 또한 34%로 높아지는 경향을 보였다. 이는 경험이 곧 수용성과 신뢰 형성의 가장 강력한 촉매임을 보여준다.

로보택시를 일상에서 더 자주 접하고 체험할수록 새로운 기술에 대한 진입 장벽은 낮아지고, 낯섦과 불안은 사라지게 될 것이다. 그리고 지금 이 순간에도 로보택시는 도로를 달리며 실시간 데이터를 수집하고, 다양한 환경에 적응하며 우리가 상상했던 미래의 교통 환경을 그려 나가고 있다.

‘개화’에서 ‘확산’ 단계로 진입한 로보택시 시장

로보택시는 교통 혼잡 완화, 대중교통 접근성 향상, 운전 인력 부족 문제 등 복합적인 사회 과제에 대한 실질적인 해결책으로 주목받아 왔다. 이제 로보택시 산업은 기술 실증 단계를 지나 도시 기반의 상업적 서비스로 전환되는 확산 단계에 본격 진입하고 있다.

로보택시 상용 서비스는 미국을 중심으로 빠르게 확대되고 있다. 테슬라는 지난 6월 22일, 텍사스주 오스틴 남부의 지정 구역(Geofence)에서 로보택시 운행을 시작했으며, 앞으로 서비스 지역과 운행 규모를 점진적으로 늘릴 계획이다. 웨이모(Waymo)는 누적 1,000만 건 이상의 유료 로보택시 운행을 기록하며, 로스앤젤레스, 샌프란시스코, 오스틴 등 주요 미국 도시에서 주당 25만 건 이상 활발히 운영 중이다. 또한 아마존(Amazon)의 자회사 죽스(Zoox)는 캘리포니아 헤이워드에 연간 1만 대 규모의 로보택시 생산 시설 가동을 발표하며, 올해 말 라스베이거스에서의 상용 서비스 출시를 목표로 본격적인 시장 진출에 나서고 있다.

또한 로보택시의 확산은 전통적인 ‘차량 소유’ 중심의 이동 방식을 넘어, ‘공유’ 기반의 서비스 이용 모델로써 공유경제 활성화에 이바지할 것으로 보인다. 일찍이 앱 기반 차량 호출 서비스를 통해 공유경제 모델을 활용해 온 글로벌 모빌리티 플랫폼 우버(Uber)는, 로보택시 상용화 흐름에 발맞춰 웨이모와 파트너십을 체결해 일부 미국 도시에서 우버 앱을 통해 웨이모 로보택시를 호출할 수 있는 서비스를 제공하기 시작했다.

이처럼 로보택시 시장은 기술 검증을 넘어 실제 서비스 모델로의 전환 국면에 들어섰다. 이에 따라 지속 가능성, 대규모 운영에 적합한 감지·판단의 정밀도, 운용 안정성 등 고도화된 요건이 요구되며 인프라 경쟁이 본격화되고 있다.

로보택시 상용화를 뒷받침하는 핵심 요소, 자율주행 센싱 솔루션

운전자가 없는 로보택시는 모든 주행 상황을 차량 스스로 감지하고 판단해야 한다. 특히 도시의 복잡한 교통 환경에서는 정밀한 인지, 상황 판단, 실시간 제어 기능이 필수적이며, 이를 가능하게 하는 것이 바로 차량의 감각기관 역할을 수행하는 ‘자율주행 센싱 솔루션’이다.

글로벌 로보택시 기업들은 각기 다른 센서 전략을 통해 기술적 차별화를 추구하고 있다. 테슬라는 카메라 기반의 Vision-only 시스템을 적용해, 비용 효율성과 소프트웨어 중심의 확장성에 초점을 맞추고 있다. 자체 AI 인식 알고리즘을 통해 카메라의 인지 정밀도를 강화하며, 경제성과 서비스 확장성을 확보하는 전략이다. 반면, 웨이모, Zoox 등 대부분의 기업은 Camera 모듈, Radar, LiDAR를 결합한 센서 퓨전(Sensor Fusion) 방식을 채택해, 단일 센서의 한계를 보완하고 다양한 도로 및 기상 환경에서도 보다 높은 인식 정확도와 주행 안정성을 확보하고 있다.

이처럼 기업 별 다양한 센서 전략에 따라 센싱 솔루션의 유연한 대응력과 신뢰성, 통합적 공급 역량이 점점 더 중요해지고 있다. 자율주행 센싱 솔루션은 일반적으로 Camera 모듈, Radar, LiDAR 세 가지 센서로 구성되며, 각 센서는 고유한 감지 방식과 기술적 강점을 바탕으로 서로 다른 역할을 수행한다.

차선, 신호등, 표지판이 중요한 구간에서는? 정확한 주행 정보를 제공하는 Camera 모듈의 인식력!

Camera 모듈은 색상, 질감, 명암 등 시각 정보 전반을 정밀하게 감지할 수 있는 유일한 센서이다. 자율주행차가 신호등의 색상 변화, 차선의 굴곡, 보행자의 행동 패턴, 표지판의 의미까지 정확하게 인식할 수 있는 이유는 바로 이 Camera 모듈의 인지 능력 덕분이다. 특히, 고속 프레임의 이미지 전송/처리를 바탕으로, 자율주행 알고리즘에 필요한 정밀 데이터를 제공하며 차선 유지·신호 인식·교통 인프라 해석에 강점을 가진다.

한편 Camera 모듈은 비, 눈, 안개와 같은 기상 변화가 이미지 품질에 영향을 미칠 수 있다. LG이노텍은 고효율 히터 적용 및 최적화 모듈 설계 구조 기반으로 렌즈 하단을 직접 가열해 눈·성에 등을 제거하는 방식을 적용해 기후 환경 변화가 미치는 영향을 최소화하고 안정적인 인식 성능을 발휘하도록 기술을 고도화하고 있다.

비·안개·눈 등 악천후 돌발 상황에서는? 기상 환경에 강한 Radar의 강한 감지력!

Radar는 전파를 이용해 주변 객체의 거리와 속도를 직접 감지하는 센서다. 전파는 빛보다 파장이 길어 안개, 비, 눈, 먼지 등 가시성이 낮은 환경에서도 상대적으로 안정적으로 물체의 위치와 속도를 감지할 수 있다. 특히 야간 주행, 돌발 상황, 터널 진입 등의 환경에서 자율주행차의 안정성을 확보하는 데 필수적인 역할을 수행한다.

또한 거리 및 상대 속도 정보를 직접 측정할 수 있으며, 악천후 환경에 강하고 원거리 탐지가 가능해 실시간 속도 예측과 장애물 접근 경고에 효과적이다. 다만, 해상도와 분해능이 상대적으로 낮아 정밀한 형상 인식에는 일부 제한이 있으며, 사람과 차량 간의 세밀한 구분에는 보완이 필요하다. 이러한 한계를 극복하기 위해 LG이노텍은 분해능을 높이면서도 ‘높이 정보’까지 함께 인식할 수 있는 차세대 4D Imaging Radar를 개발하고 있다. 단순한 객체 감지를 넘어 객체의 크기와 형태, 유형까지 정밀하게 분류할 수 있는 수준으로 정밀도가 향상되고 있는 추세다.

복잡한 도심 지역과 교차로에서는? 전방위 감지하는 LiDAR의 공간 판단 능력!

LiDAR는 레이저 펄스를 활용해 주변 환경을 3차원으로 인식하는 센서다. 차량 주변의 건물, 도로 구조물과 같은 정적 객체뿐만 아니라 보행자, 자전거 등의 동적 객체까지 정밀하게 탐지하며, 특히 복잡한 도시 교차로나 신호가 없는 횡단보도와 같이 공간 판단이 중요한 상황에서 핵심적인 역할을 수행한다. 차량은 LiDAR로부터 생성된 고해상도의 포인트 클라우드(Point Cloud)를 사용하여, 객체 간 거리, 형상, 위치를 실시간으로 해석할 수 있다.

기존 ToF(Time-of-Flight) LiDAR는 거리와 형상을 정확하게 인식하는 데 강점을 가지고 있지만, 속도 측정에서는 한계를 보이며 특정 기상 조건, 예를 들어 눈, 비, 강한 햇빛 아래에서는 레이저 빛의 산란과 반사로 인해 감지 성능이 저하될 수 있다. 이러한 기술적 한계를 개선하기 위해 최근 등장한 FMCW(Frequency-Modulated Continuous Wave) 방식의 LiDAR는 새로운 해결책으로 주목받고 있다.

LG이노텍은 차세대 LiDAR로 FMCW LiDAR를 개발하고 있으며, 이는 기존 LiDAR의 기능에 더해 속도를 정밀하게 측정할 수 있는 능력을 갖추고 있으며, 눈·비와 같은 악천후나 강한 햇빛 아래에서도 안정적으로 작동할 수 있는 기술적 강점을 가지고 있다. 뿐만 아니라, Self-Awareness(자기 인식) 기능을 통해 다른 LiDAR 장치에서 방출되는 빛 신호를 상쇄하여 외부 간섭을 효과적으로 차단한다. 이를 통해 자율주행 차량의 센싱 기술이 한층 더 정밀하고 안정적으로 발전하고 있으며, 보다 안전한 자율주행 환경을 구현하는 데 중요한 역할을 하고 있다. FMCW 방식은 자율주행 기술의 한계를 넘어 차세대 LiDAR 솔루션으로 자리 잡아가고 있다. 이처럼 로보택시는 다양한 주행 환경에서 센서를 조합해 주변 상황을 정밀하게 인식하고 유연하게 대응하는 것이 중요하다.

자율주행이 대세 기술로 자리잡기 위한 Key는?

이처럼 각각의 자율주행 센서는 고유한 강점과 단점을 갖고 있어, 이를 상호 보완할 수 있게 복합 모듈화하는 센서 퓨전 기술이 자율주행 구현의 핵심이다. 센서 퓨전은 각 센서 별로 수집된 다양한 데이터를 실시간으로 통합해 보다 정확하고 빠르게 반응 속도를 개선해 오탐률을 줄이는 데 기여한다. 이는 로보택시를 비롯한 레벨 4/5 자율주행 구현에 있어 신뢰성과 안전성을 결정짓는 핵심 기술 요소로 부각되고 있다.

센서 퓨전 및 토탈 자율주행 센싱 솔루션을 갖춘 LG이노텍

LG이노텍은 스마트폰 카메라 모듈과 차량 전장 부품 분야에서 축적한 전문성을 바탕으로, ADAS/In-Cabin Camera 모듈, Radar, LiDAR를 모두 아우르는 풀라인업 차세대 센싱 포트폴리오를 구축하고 있어 다양한 고객 니즈와 자율주행 센서 전략에 유연하게 대응할 수 있다.

각 센싱 솔루션의 성능을 향상시키면서 업계에서 가장 작은 크기를 구현해내는 LG이노텍의 설계/생산 역량을 통해, 완성차 고객의 디자인 자유도를 높일 수 있다. 특히 초정밀 설계 기술과 다년간의 제조/생산 노하우를 기반으로 각기 다른 센서 간의 시너지를 극대화하는 초정밀 센서 퓨전 역량도 갖추고 있어 다양한 주행 환경에서도 높은 감지 신뢰도와 실시간 대응력을 구현할 수 있는 기술 기반을 제공하고 있다.

로보택시가 일상적인 모빌리티 서비스로 완전히 자리잡기 위해서는 센서의 물리적 성능 향상뿐만 아니라 데이터의 표준화와 정합성 확보, AI와의 연계성 그리고 시스템 전체와의 공동 최적화까지 아우르는 전방위적인 센싱 솔루션의 고도화가 필요하다. 이는 로보택시가 도심의 복잡한 주행 환경에서도 예측 가능하고 안정적으로 작동하는 서비스가 되기 위한 핵심 조건이다. 이러한 기술 진화는 로보택시의 인지·판단 능력을 정교하게 끌어올리고, 궁극적으로는 인간의 감각을 넘어서는 수준의 지능형 이동 수단을 실현할 것이다.

LG이노텍은 Camera, Radar, LiDAR의 포트폴리오 강점을 바탕으로 센서의 하드웨어와 소프트웨어의 조합을 통한 자율주행 센서퓨전 기술을 육성하고 있기도 하다. 풀라인업 센싱 솔루션, 대규모 양산 체계, 자율주행 특화 설계 노하우를 두루 갖춘 LG이노텍은, 완전 자율주행 시대를 향한 여정에서 가장 신뢰할 수 있는 기술 파트너로 함께할 것이다.