2억 마일 달성한 웨이모, 테슬라 방식을 정면 반박하다

구글의 자율주행 자회사 웨이모가 누적 자율주행 거리 2억 마일을 달성하면서 자사 공식 블로그를 통해 기술적 입장을 밝혔습니다. 핵심은 카메라 센서 하나만으로는 안전한 자율주행을 달성하기 어렵다는 지적입니다.

이는 카메라 기반의 '비전 온리(Vision-only)' 전략을 고수하는 테슬라를 정면으로 겨냥한 발언입니다. 업계 선두 주자 간의 자율주행 구현 철학 차이가 다시 수면 위로 올라왔습니다.

저는 무인 주행 2억 마일이라는 실제 누적 거리를 확보한 시점에 나온 발표라는 점에서 웨이모의 이번 주장이 단순한 견제 이상의 무게감을 지닌다고 봅니다.

센서 융합과 HD 지도가 필수적인 기술적 근거

웨이모는 카메라 외에도 라이다, 레이더, GPS를 동시에 사용하는 멀티모달 센서 수집이 안전의 필수 조건이라고 강조했습니다. 카메라가 표지판과 신호등을 볼 때, 레이더는 폭우나 짙은 안개 속에서도 전방 장애물을 감지하는 상호 보완 구조입니다.

고정밀(HD) 지도 역시 필수 정보로 규정했습니다. 도로의 기본 구조가 미리 파악되어 있어야 차량 컴퓨팅 자원이 임시 우회로나 공사 표지판 같은 돌발 변수 처리에 집중할 수 있다는 논리입니다.

  • 센서 상호 보완: 악천후 시 카메라 시야 한계를 레이더와 라이다로 방어
  • 컴퓨팅 자원 최적화: HD 지도로 기본 지형 연산을 줄이고 돌발 상황에 집중

테슬라는 인간이 눈으로만 운전하듯 카메라로 충분하다는 입장이지만, 저는 기계가 인간 이상의 안전성을 입증하려면 물리적 한계가 명확한 단일 센서에만 의존해서는 안 된다는 웨이모의 주장에 더 설득력이 있다고 판단합니다.

VLM 도입과 레벨2와 레벨4의 본질적 격차

웨이모는 대규모 통합 AI 모델과 함께 시각-언어 모델(VLM)을 적용한 구조도 공개했습니다. VLM은 사고 현장에서 경찰관이 보내는 수신호처럼 일반적인 학습 데이터 범위를 벗어난 복잡한 맥락을 파악하는 데 쓰입니다.

다만 실시간 차량 제어는 빠른 센서 융합 시스템이 맡고, 심층 추론이 필요한 영역에만 VLM을 분리 적용하는 방식을 택했습니다. 연산 속도와 안전성을 동시에 잡기 위한 설계입니다.

또한 웨이모는 운전자가 개입하는 레벨2(감독형) 주행 데이터를 아무리 쌓아도 완전 무인(레벨4) 시스템을 대체할 수 없다고 선을 그었습니다. 차량 스스로 모든 사고 책임을 지는 극한 상황을 겪어야만 비로소 완전 자율주행 시스템이 성숙해진다는 설명입니다.

양산 단가를 낮춰 대량 보급을 노리는 테슬라와, 비용이 들더라도 무인 안전성을 우선하는 웨이모의 노선 차이는 향후 로보택시 상용화 시장의 표준을 가르는 핵심 쟁점이 될 가능성이 큽니다.