자율주행차는 어떻게 도로를 볼까: 카메라·라이다·레이더 논쟁 이해하기

자율주행 기사에는 왜 자꾸 센서 이야기가 나올까

자율주행 뉴스를 따라가다 보면 낯선 패턴이 하나 보입니다. 기사의 절반이 '무엇으로 도로를 보는가'라는 이야기라는 점입니다. 어떤 회사는 카메라만으로 충분하다 하고, 다른 회사는 여러 센서를 함께 써야 한다고 반박하는 식의 공방이 몇 년째 반복됩니다. 처음에는 기술 회사들의 자존심 싸움처럼 보이지만, 구조를 알고 나면 이것이 자율주행의 가장 본질적인 질문을 둘러싼 논쟁이라는 것을 알 수 있습니다.

사람이 운전을 배울 때를 떠올려 보면 이해가 빠릅니다. 운전의 첫 번째 능력은 조작이 아니라 '보는 것'입니다. 차선이 어디 있는지, 앞차와의 거리가 얼마인지, 사람이 튀어나올 만한 곳이 어디인지를 파악해야 그다음 판단이 가능합니다. 자율주행에서도 마찬가지라서, 세상을 어떻게 인식하느냐가 전체 시스템의 출발점이 됩니다. 센서 논쟁이 뜨거운 이유는 이 출발점의 설계 철학이 회사마다 다르기 때문입니다.

이 글에서는 자율주행이 움직이는 기본 구조를 먼저 잡고, 카메라·레이더·라이다라는 세 가지 눈의 특성을 비교한 뒤, 뉴스에 반복 등장하는 접근 방식 논쟁을 양쪽 논거의 구조로 정리합니다. 특정 회사의 방식이 옳다고 판정하는 글이 아닙니다 — 판정 대신 구조를 챙겨 두면, 앞으로 나올 관련 기사들이 훨씬 선명하게 읽히는 효과가 있습니다.

기본 구조: 인지, 판단, 제어의 세 단계

자율주행 시스템은 크게 세 단계로 나눠 이해할 수 있습니다. 첫째는 인지 — 센서로 들어온 정보에서 차선, 차량, 보행자, 신호 같은 것을 알아보는 단계입니다. 둘째는 판단 — 인식한 상황을 바탕으로 차선을 유지할지, 속도를 줄일지, 언제 차선을 바꿀지를 정하는 단계입니다. 셋째는 제어 — 그 결정을 실제 핸들·가속·제동 조작으로 옮기는 단계입니다. 사람으로 치면 눈, 두뇌, 손발에 해당합니다.

AI가 가장 깊게 들어가는 곳이 인지와 판단입니다. 특히 인지 단계는 이미지 인식 AI의 발전과 함께 성장해 온 영역이라, 이 사이트에서 다뤄 온 AI 개념들과 직접 연결됩니다. 카메라 영상에서 보행자를 알아보는 일은 사진 속 물체를 알아보는 AI와 같은 계열의 기술이고, 다양한 도로 상황 데이터를 학습할수록 성능이 좋아지는 구조도 다른 AI와 같습니다.

이 구조를 잡아 두면 뉴스의 층위가 구분되기 시작합니다. 센서 이야기는 인지 단계의 재료를 다투는 것이고, '엣지 케이스'나 '돌발 상황 대응' 이야기는 판단 단계의 난제를 다루는 것입니다. 어떤 기사가 세 단계 중 어디를 말하고 있는지만 가려도, 서로 다른 논점이 뒤섞여 혼란스러웠던 기사들이 각자의 자리를 찾아갑니다.

세 가지 눈: 카메라, 레이더, 라이다

인지 단계의 재료가 되는 대표 센서는 세 가지입니다. 각각 잘하는 일과 어려워하는 일이 달라서, 우열보다는 특성의 조합으로 이해하는 것이 정확합니다.

카메라는 사람 눈과 가장 비슷한 센서입니다. 색과 형태를 풍부하게 담아내기 때문에 신호등 색깔, 차선 표시, 표지판 글자처럼 '의미를 읽어야 하는' 정보에 강합니다. 가격이 상대적으로 저렴해 여러 대를 달기에도 부담이 적습니다. 다만 사람 눈이 그렇듯 어둠, 역광, 짙은 안개 같은 조건에서는 성능이 떨어지고, 2차원 영상에서 거리를 추정해야 한다는 과제를 안고 있습니다.

레이더는 전파를 쏘아 반사되어 돌아오는 것을 재는 센서입니다. 거리와 속도를 직접 측정할 수 있고 비·안개·어둠의 영향을 거의 받지 않아, 악천후에서 든든한 눈이 되어 줍니다. 대신 해상도가 낮아 물체의 형태를 세밀하게 구분하기 어렵습니다. 라이다는 레이저를 쏘아 주변을 3차원 점의 지도로 그려내는 센서로, 물체의 형태와 거리를 정밀하게 잡아냅니다. 과거에는 매우 고가였지만 가격이 점차 내려오면서 채택 논의가 넓어져 온 흐름이 있습니다. 요약하면 카메라는 의미에 강하고, 레이더는 악조건에 강하고, 라이다는 정밀한 거리와 형태에 강합니다.

• 카메라 — 색·형태·글자 등 의미 정보에 강함, 어둠·역광 등 조명 조건에 민감
• 레이더 — 거리·속도 직접 측정, 악천후에 강함, 형태 구분은 어려움
• 라이다 — 3차원 형태·거리를 정밀 측정, 상대적으로 고가라는 점이 논쟁의 재료

논쟁의 구조: 카메라 중심 대 센서 융합

이제 뉴스에 반복 등장하는 논쟁을 구조로 볼 차례입니다. 한쪽에는 카메라를 중심에 두는 접근이 있습니다. 논거의 뼈대는 이렇습니다 — 사람은 눈이라는 시각 정보만으로 운전하므로, AI가 충분히 똑똑해지면 카메라만으로도 운전할 수 있어야 한다는 것입니다. 센서를 줄이면 차량 가격이 내려가 더 많은 차에 보급할 수 있고, 많은 차가 달릴수록 학습 데이터가 쌓여 AI가 더 빨리 좋아진다는 선순환 논리도 여기에 붙습니다.

다른 쪽에는 여러 센서를 함께 쓰는 센서 융합 접근이 있습니다. 논거의 뼈대는 안전의 중복성입니다 — 사람 생명이 걸린 시스템에서는 한 종류의 눈이 실수할 때 다른 종류의 눈이 잡아 줘야 하며, 카메라가 약한 어둠과 악천후를 레이더와 라이다가 메우는 구조가 필요하다는 것입니다. 사람 수준의 시각 지능이 언제 완성될지 알 수 없으니, 그때까지는 센서의 다양성으로 안전 여유를 확보하자는 신중론이기도 합니다.

주목할 점은 양쪽 모두 나름의 일관된 논리 위에 서 있다는 것입니다. 한쪽은 비용과 데이터 규모의 경제를, 다른 쪽은 중복을 통한 안전 마진을 최우선 가치로 놓았고, 무엇을 우선하느냐에 따라 설계가 달라진 것입니다. 어느 쪽이 옳은지는 시간이 지나며 도로 위에서 검증될 문제이고, 입문자에게 실속 있는 것은 승자 예측이 아니라 이 논거 구조 자체를 아는 일입니다. 구조를 알면 회사 이름이 바뀌어도, 새로운 공방 기사가 나와도 '아, 그 논쟁의 연장선이구나'를 바로 알아볼 수 있습니다.

레벨 0~5: '완전 자율주행'이라는 말을 가려 읽는 법

센서 논쟁과 함께 챙겨 두면 좋은 개념이 자율주행 레벨입니다. 국제적으로 통용되는 구분은 0에서 5까지 여섯 단계인데, 핵심 경계선은 레벨 2와 3 사이에 있습니다. 레벨 2까지는 시스템이 조향과 속도를 도와줘도 운전의 책임과 감시 의무가 사람에게 있는 '보조' 단계입니다. 레벨 3부터는 정해진 조건 안에서 시스템이 운전을 맡는 단계로 넘어가고, 레벨 4~5로 갈수록 사람의 개입이 줄어듭니다.

이 구분이 유용한 이유는, 마케팅 표현과 실제 단계 사이의 간격을 스스로 잴 수 있게 해 주기 때문입니다. '자율주행'이라는 이름이 붙은 기능이라도 실제로는 운전자 보조 단계인 경우가 많고, 이 간격을 모른 채 기능을 과신하는 것이 실제 사고 논란의 단골 배경이 됩니다. 기사에서 자율주행이라는 단어를 만나면 '이건 몇 레벨 이야기인가'를 한 번 물어보는 습관만으로도 정보의 해상도가 확 올라갑니다.

덧붙여 이 분야는 기술만큼 제도가 중요한 영역입니다. 어느 레벨까지 어떤 도로에서 허용되는지는 나라와 지역마다 다르고 계속 바뀌고 있으므로, 특정 시점의 허용 범위나 상용화 일정은 이 글에서 단정하지 않습니다. 우리나라의 현황이 궁금하다면 국토교통부 등 관계 부처의 공식 발표를 확인하는 것이 가장 정확합니다. 구조는 오래가고 현황은 자주 바뀐다는 것 — 이 글이 구조 쪽에 집중한 이유입니다.

정리하면, 자율주행은 인지·판단·제어의 구조 위에서 '무엇으로 볼 것인가'와 '어디까지 맡길 것인가'를 함께 풀어 가는 여정입니다. 오늘 잡아 둔 센서의 특성, 논쟁의 논거, 레벨의 경계선이라는 세 가지 틀만 있으면, 쏟아지는 자율주행 뉴스가 부담이 아니라 흥미로운 관전 포인트로 바뀌는 것을 느낄 수 있을 것입니다.