무인자동차가 도로를 보는 방법

통계적으로, 가장 믿을 수 없는 자동차의 일부는 운전자입니다. 크리스 엄슨은 구글의 무인자동차 프로젝트를 이끌며 운전자 좌석을 빈 공간으로 만드는데 공헌하고 있습니다. 그는 무인자동차의 현재와 작동방식에 대해서 보여줍니다. 그의 강연은 우리에게 무인자동차의 미래에 대한 결정을 생각하게 합니다.

1885년, 카를 벤츠가
자동차를 발명했습니다.

얼마후에, 그는 처음으로 사람들
앞에서 시험 운행을 했습니다.

그리고 벽에 충돌했죠.

130년 동안에

우리는 자동자의 가장 취약한 부분인
운전자에 대해서 연구를 했습니다.

우리는 자동차를 튼튼하게 만들었고

우리는 안전벨트와 에어백을 추가시켰고

그리고 최근에 우리는 자동차를 똑똑하게
만들기 위한 시도를 시작했습니다.

운전자라는 결함을 고치기 위해서죠.

저는 오늘 운전자 보조 시스템의

문제 해결 방식 차이에 대해
이야기 하고자 합니다.

그리고 완전한 무인자동차와

그것이 세상에 미칠 영향도요.

우리의 자동차에 대해서도
잠시 이야기 할 예정입니다.

그것이 어떻게 세상에 있고
반응하며 실제로 무엇인지 말이죠.

하지만 먼저 저는 문제점에
관해 이야기 할까 합니다.

그리고 이것은 큰 문제입니다.

매년 120만명의 사람들이
전세계의 도로에서 죽습니다.

미국에서만 33만명의
사람들이 매해 죽고 있습니다.

이것을 넓은 시각으로 보면,

주말을 제외하고 매일 비행기
한 대가 추락하는 것과 같습니다.

믿을 수 없는 일입니다.

자동차는 이렇게 많이 팔리지만

이 통계가 운전의 현실입니다.

그렇죠? 화창하지 않고
비오는 날씨에는

여러분은 운전보단
다른 것이 하고 싶을 겁니다.

그리고 그 이유는

교통량이 점점 악화되고 있다는 것입니다.

미국에서 1990년과 2010년 사이에

운행 거리가 38% 늘어났습니다.

같은 기간에 도로는 6% 증가했습니다.

이것은 상상속의 일이 아니며

교통이 실제로 예전보다 나빠진 것이
그리 오래되지는 않았습니다.

이 모든 결과는 심각한
인적비용을 초래합니다.

그래서 만약 미국의
평균이동시간인 50분을

1억 2천만의 일하는
사람에 곱하게 되면

60억분이라는 시간이

매일 낭비되고 있다는
결론이 나옵니다.

매우 큰 숫자이죠.
조금 다른 관점에서 보면,

그 60억분을 가져와

평균 수명으로 나누면

162명분의 수명이

매일 낭비된다고 볼 수 있습니다.

그냥 통근시간에 말이죠.

이건 믿을 수 없는 일입니다.

그리고 통근시간에 서서가야하는

사람들도 있습니다.

이 분은 스티브씨 입니다.

굉장히 능력 있는 분이죠.

하지만 그는 시각장애인 입니다.

그 말은 아침에 30분 운전대신

그는 2시간동안 불편한
대중교통을 이용하거나

친구와 가족들에게
픽업을 부탁해야 합니다.

그는 여러분과 제가
가지고 있는 자유가 없습니다.

우리는 그것을 해결해야 합니다.

기존 해결책은

운전보조시스템을 도입하고

점차적으로 발전시켜

결국, 무인자동차를
개발하는 것 입니다.

글쎄요, 이건 사실 이런 말과 비슷하죠.

"점프를 정말 열심히 연습한다면
언젠가 하늘을 날 수 있을꺼야"

우리는 사실 살짝 다른 일을
할 필요가 있습니다.

그래서 저는 무인자동차와
운전보조 시스템이

다른 3가지에 대해
이야기해보고자 합니다.

우리들의 경험을
이야기하며 시작할까 합니다.

2013년으로 돌아가서,

우리는 무인 자동차
첫 시범 운행을 했습니다.

보통 사람들이 잘 다니는 장소에서요.

일반적인 100명의 구글 이용자들입니다.

프로젝트와는 무관한 사람들입니다.

우리는 그들에게 자동차를 주고
일상 생활에 사용하도록 했습니다.

하지만 진짜 무인차와는 다르게
크게 주목해야 할 점이 있었습니다.

집중해야 했죠.

왜냐하면 그것은 테스트
차량이었으니까요.

우리는 많은 실험을 했지만
계속 실패했습니다.

2시간의 훈련 끝에

그들은 자동차를 사용할 수 있었습니다.

그리고 후기는 놀라웠습니다.

어떤 사람이 상품을
소개하려고 시도할 때처럼

모든 운전자들이 극찬했습니다.

사실, 포르쉐 오너가 우리에게 와서
첫 날 이런 말을 했습니다.

"정말 멍청한 짓입니다."

하지만 마지막 날에 그는
"나만 가질 것이 아니라,

모든 사람에게 필요하다."
라고 말했습니다.

우리에게 음악처럼 들렸죠.

그리고 우리는 사람들이 차 안에서
무슨 일을 하는지 살펴보았습니다.

그리고 이것은 놀라웠습니다.

가장 좋아하는 일화는
한 신사분의 이야기입니다.

그는 핸드폰을 보고 배터리가
얼마 남지 않았다는 것을 알았습니다.

그리곤 그는 차 안에서 이렇게 둘러보며
그의 가방안을 뒤집니다.

그의 노트북을 꺼내고

그것을 좌석에 두고

다시 찾기 시작합니다.

그리고는 핸드폰 충전기를 꺼냅니다.

그의 노트북과 핸드폰을 연결합니다.

아니나 다를까 핸드폰을 충전합니다.

그가 시속 60 마일로 고속도로을
달리는 동안에 말이죠.

그렇죠? 놀라운 일입니다.

이것은 굉장히 명백합니다.

기술이 점점 나아질 수록

운전자들이 해야할 것은 줄어듭니다.

자동차를 혁신적으로
똑똑하게 만드는 것으로는

우리가 정말로 필요로 하는
것을 볼 수 없습니다.

여기서 제가 기술에 대해
약간 설명하겠습니다.

아래 쪽부터 그래프를 보시면

안좋은 시점에 브레이크를
얼마나 밟았나 보여줍니다.

대부분의 축을 무시해도 좋습니다.

왜냐하면 여러분이 시골에서 운전한다면
자동차는 어느때나 멈출테니까요.

우리는 그런 차들을 안사겠죠.

그리고 수직선은 자동차가
얼마나 자주 브레이크를

사고를 막기 위해 밟는지 보여줍니다.

자 그럼 여기 아래쪽 구석을 보시면

이것이 전형적인 자동차입니다.

스스로 브레이크가 작동하지 않습니다.

그렇지만 또한 이것은 사고방지
시스템도 없습니다.

운전보조 시스템을
자동차에 추가시키기 위해

우리는 약간의 기술적인
것들을 넣어볼까 합니다.

이 커브가 우리가 기술을
적용할때 나타날 그래프입니다.

하지만 이것이 모든 사고를
예방할 수는 없습니다.

왜냐하면 그런 역량이 없기 때문이죠.

우리는 이 커브를
중심으로 다루어볼까합니다.

이것은 운전자들이 놓치는
절반의 사고를 줄여줍니다.

참 놀랍습니다. 그렇죠?

도로 위 사고를
절반으로 줄일 수 있습니다.

이제 1만 7천명보다 적은 사람들이
미국에서 매해 사망할 것입니다.

만약 우리가 무인자동차를 원한다면,

그래프가 이러한
모양으로 보여야합니다.

우리는 더 많은 감지 장치들을
삽입할 것입니다.

주황색 선까지 성능을
개선시킬 것입니다.

절대 충돌이 일어나지 않죠.

충돌이 일어난다해도,
매우 낮은 횟수일 것입니다.

이제 이것이 점진적으로
가능한지 이야기 해봅시다.

저는 이것은 "80-20 규칙"
이라고 말합니다.

그리고 그래프를 변화시키는
것은 정말 힘듭니다.

잠깐 다른 방향으로 생각해봅시다.

기술의 신뢰도를 한번 살펴볼까요?

여기 초록색 점은
운전보조 시스템입니다.

이것은 운전자들이

미국에서 거의 십만 마일에 한번씩

교통사고로 이어지는
실수를 하는 것을 보여줍니다.

그와 반대로, 무인 자동차는 대략

초당 10번씩 결정을 합니다.

크기에 비교하면,

일 마일당 천 번 정도 하는 것이죠.

그래서 만약 거리에
이 두가지를 비교한다면,

10의 여덟 제곱을
한 것입니다. 그렇죠?

10의 여덟 제곱입니다.

이것은 내가 빛과 비교 했을 때 얼마나 빨리 달릴 수

있는지와 비슷합니다.

이것은 훈련의 문제가 아닙니다.
저는 절대 따라잡을 수 없을 것입니다.

그러니까 엄청난 차이인 것입니다.

그리고 어떻게 시스템이 불확실한 것을
다루는 지 알 수 있습니다.

이 사람은 도로로 걸어갈 수도
있고 안 갈 수도 있습니다.

저도 말할수 없고 어떤
알고리즘도 마찬가지 입니다.

하지만 운전보조 시스템의 경우에는,

행동을 취하지 않을 것입니다. 왜냐하면

예측되지 않은 브레이크는 절대
용납할 수 없는 일이기 때문입니다.

반면에 무인자동차는
보행자를 볼 수있고

어떤행동을 취할지는 모르겠습니다.

속도를 줄이고 주위를 살피고
그 후에 적절한 행동을 할 것입니다.

그러니 운전보조 시스템 보다
더욱 안전할 수 밖에 없습니다.

지금까지 두 시스템에
차이에 대해서 설명했습니다.

이제 어떻게 차가 세상을 보는지에
대해 이야기 나눠보도록 합시다.

이것이 자동차 입니다.

그것이 어디에 있는지를
감지하면서 시작합니다.

지도와 센서의 자료를 보고 정렬합니다.

그리고 순간적으로 인식하는
주변상황을 삽입합니다.

여기 보라색 박스들은 도로위에
다른 차들을 의미하고

빨간색은 자전거를 의미합니다.

그리고 저 멀리 자세히보면

몇몇 원뿔도 볼 수 있습니다.

우리는 주변 도로상황을 이해하지만

이를 바탕으로 예측능력을
키워야 합니다.

오른쪽에 있는 트럭은
앞쪽 도로가 막혀서

현재 차선에서 벗어나야 합니다.

왼쪽으로 차선변경을 시도합니다.

이 트럭을 감지한 것은 훌륭합니다.

하지만 우리는 모두의
생각을 읽어야 합니다.

이제 꽤 문제가 복잡해 집니다.

주어진 상황으로 부터 무인자동차는
순간적으로 판단해야 합니다.

어떤 흐름을 따를 것인가
얼마나 속도를 조절할 것인가

그리고 모든 것은 하나의
결론으로 귀결됩니다.

왼쪽이나 오른쪽이냐 브레이크를
밟느냐 안밟으냐 입니다.

마지막에는 숫자 두개가 끝입니다.

정말 힘든일입니다.

2009년에 이것을 시작했을때

이것이 우리의 시스템이었습니다.

가운데 자동차가 있고 다른 박스들이

고속도로에 있습니다.

무인자동차는 스스로의 위치와
다른 차량들의 위치도 알아야 합니다.

기하학적 이해가 필수적입니다.

우리가 길거리에서 테스트를 진행하면서

새로운 단계의 어려움이 나타났습니다.

보행자들이 차 주변에 나타나며

자유롭게 다니고
신호등, 횡단보도가 나타났습니다.

이전과는 비교도 안되는
복잡한 문제였죠.

이 문제를 해결하자

이제 도로위의 작업현장에
대처해야 했죠.

화면 속 원뿔은 오른쪽으로
차를 유도합니다.

하지만 동시에 다른
문제들도 존재합니다.

다른 사람들이 그 현장에서
움직이는 것도 고려해야하죠.

그리고 물론 현장에 문제가
생기면 경찰이 출동할 수 있고

무인자동차는 위쪽에
불빛이 반짝이는 차는

경찰이라는 것을 인지해야 합니다.

비슷하게 갓길쪽에 오렌지색 박스는

학교 버스입니다.

그것 또한 다르게 대처해야 합니다.

도로 밖에서는 다른 상식들이 있습니다.

만약 자전거 탄 사람이 손을 뻗으면

그것은 그 차선으로 이동할태니

양보해 달라는 의미입니다.

경찰이 길에 서있으면

무인자동차는 그 신호가 멈추라는
뜻임을 알아채야 합니다.

가도 좋다는 신호도
물론 알아야 겠죠.

우리는 차량들간의 정보를
공유함으로써 해결책을 찾았습니다.

처음 시도한 대략적 모델은

한 차량이 작업현장을 보면

다른 차량이 그 정보를 받아

차선을 변경합니다.

우리는 무인자동차에게 상황에
대해 잘 이해시켰습니다.

우리는 오랜 시간동안 축적한

수백만의 자동차, 보행자, 자전거들의

정보를 받아서

종합적인 상황을 이해하고

다른 자동차들과 보행자들의

상황을 추론했습니다.

더 중요한점은 우리의 예측모델을 토대로

세상에 적용시킬 수 있다는점 입니다.

여기 노란색 박스는 우리
앞을 지나는 보행자들입니다.

파란색 박스는 자전거들이고

우리는 그 자전거가 우회전 할
것이라는 것을 예상합니다.

자전거가 맞은편에서 오고있고

도로를 따라 직진할 것이라는
것을 알고 있습니다.

누군가 우회전하고 있고

뒤이어 누군가 우리
앞에서 유턴하고 있습니다.

우리는 모든 행동을 예상하고
안전하게 반응합니다.

지금까지 잘 대처된 상황들을 봤지만

물론 이전에 볼 수 없었던 돌발상황도

많이 겪었습니다.

바로 몇달전에

차량은 마운틴뷰(도시)에서
운행했습니다.

그리고 이 상황을 마주쳤습니다.

이 여성은 전자 휠체어를 타고 있었는데

도로에서 오리를 쫒아
빙빙돌고 있었습니다.

도로교통부 지침서에는 이 상황에 대한

대처법이 없었지만

우리 차량은 속도를 줄이고

안전하게 주행했습니다.

오리 뿐만이 아니라

우리 앞으로 오는 새에도
무인자동차는 반응합니다.

자전거에 대처하는 사례입니다.

마운틴뷰(도시)가 아니라면
예상하기 어렵겠죠.

물론 조화로운 운행은 필수입니다.

매우 작은 자동차라도 말이죠.

오른쪽 트럭에서 운전자가
잠깐 내리는걸 보세요.

왼쪽 차선에서 갑자기
우회전 하는 차량을 보세요.

마지막 순간에 급한 결정을 했죠.

차선변경이 동시에 일어나자

양보하는 모습을 보입니다.

신호위반한 차량에도

잘 대처합니다.

비슷하게 자전거의 신호위반에도

무인자동차는 잘 대처합니다.

물론 제가 알지 못하는
사람들이 있습니다.

이 사람은 무인자동차 사이에
본인 차를 집어 넣었습니다.

물어보고 싶군요
"무슨 생각 인가요?"

(웃음)

주변 도움으로 재빨리 수습했고

돌발상황 중 하나를 극복했습니다.

이번 장면은 또 다른 자전거입니다.

여러분은 보일수도 있지만 운전자
시각에서 자전거가 보이지 않습니다.

하지만 무인자동차는 가능합니다.

레이저로부터 정보를 얻기 때문입니다.

이것은 쉽게 이해하기는 어렵지만

이 레이저 데이터를

자세히 보면
곡선상의 몇개의 점들이 보입니다.

그 파란색 박스가 자전거입니다.

신호등은 빨간불이지만

자전거 신호등은 노란불이었습니다.

여러분이 사시라면 뭔가 봤을테지만

자전거에 탄 사람은
교차로에 진입했습니다.

자동차등은 녹색등
자전거등은 빨간등이 됐습니다.

그 자전거는 건너 올게 뻔했죠.

불행하게도 우리 옆 운전자는
그 사실을 몰랐습니다.

자동차는 출발했고 운좋게

자전거는 반응했고 피했습니다.

위험상황이 끝났습니다.

그리고 우리는 출발했죠.

지금까지 보신대로 우리는
흥미로운 진행상황을 보였습니다.

어느 시점에서 우리는 이 기술이

시장에 나올 수 있다고 믿게 됐습니다.

우리는 3백만 마일의 테스트
주행을 매일 하고 있습니다.

얼마나 많은 경험이 있는지
상상할 수 있겠죠.

우리는 이 기술이 실제로
적용되기를 고대하고 있습니다.

우리는 운전보조시스템보다 무인자동차가

적절하다고 생각합니다.

왜냐하면 그만큼 위급하기 때문입니다.

제가 여기서 강연하고 있는 동안에

34명의 사람이 미국
도로에서 사망합니다.

언제 이 기술을 공개할 수 있을까요?

사실 이건 굉장히 복잡한
문제라서 알 수 없습니다.

저는 두 아들이 있습니다.

큰 아들은 11살이고 그 의미는

4년 6개월 후면 운전면허를
딸 수 있습니다.

제 팀과 저는 그 일이 벌어지지
않기 위해서 노력합니다.

감사합니다.

(웃음) (박수)

크리스 앤더슨:
크리스, 질문이 있습니다.

크리스 엄슨: 네 말씀하세요.

크리스 앤더슨: 당신 차에 대한
생각은 무척 놀라운데요.

운전보조 시스템과 무인자동차에
대한 토론들이 많습니다.

지금 진지한 토론들이
많이 진행중인데요.

테슬라같은 회사는

운전보조 시스템을 발전시키고 있습니다.

당신생각은 이런 방식은
막다른 길에 다다를 것이며

왜냐하면 그저 발전시키는 것으로는
무인자동차를 만들 수 없으며

운전자가 안전하다고 생각될때

위험이 생긴다는 것입니다.

크리스 엄슨: 맞습니다.

운전 보조 시스템이 가치가
없는 일은 아닙니다.

많은 생명을 구할 수 있습니다.

하지만 스티브같은 사람을

구할 변화의 힘이나

우리의 도시를 변화시키고

우리가 주차장이라고 부르는
도시 분화구를 사라지게할 방법은

무인자동차가 유일합니다.

크리스 앤더슨: 모두들 무인자동차의

미래를 큰 관심을 가지고 지켜볼 것입니다.
고맙습니다. 크리스씨