현재 대다수 자율주행 차량은 회전형(Mechanical)라이다 제품을 위주로 상용화 진행중 이나 점진적으로 고정형(Solid State) 제품 역시 시장이 확대될 것으로 전망한다. 또한 로보택시(GM크루즈)와 같이 B2B 시장 중심으로 성장중인 라이다 시장이 2023년 이후부터는 소비자용 매스(Mass) 마켓 진입이 가시화되는 만큼 본격적인 성장을 예상한다. (2023년 루미나가 벤츠와 볼보에 양산 제품을 공급할 것으로 예상)

2022년 기준 업계에서 소비자용 단일 자동차 업체/제품향 라이다를 가장 많이 양산한 업체는 유럽의 Valeo이다. 주요 고객은 벤츠, 아우디, 현대차(제네시스)로서 대부분 옵션으로 적용하고 있으며 채택율은 10% 미만으로 파악된다. (벤츠는 현재 일부 차량에 Premium ADAS 형태로 옵션을 제공중이며 가격은 대략 600만원 수준으로 파악)

Waymo는 모든 경우의 수를 학습하기 위해 오랜 시간과 많은 비용이 필요

Waymo의 자율주행 기술 개발은 인공지능 컴퓨터 바둑 프로그램 AlphaGo 와 유사하다 .AlphaGo 의 알고리즘은 고출력의 GPGPU 와 AI 칩 을 통해 모든 경우의 수를 학습한 후 특정 상황에 대응하는 방식이다. 마찬가지로 Waymo 역시 Carcraft 라는 가상 세계에서 높은 인공지능 기술력을 통해 자동차 운전의 모든 경우의 수를 학습하기 위해 노력 하고 있다. 그러나 현실 세계 자동차 운전의 경우의 수는 바둑의 그것과 는 차원이 다른 수준이 기 때문에 Waymo의 기술 개발 방식은 너무 오랜 시간과 많은 투자비용을 필요로 할 것으로 판단된다. 

테슬라는 자동차의 뇌 를 통해 상황에 적절히 대응하는 것이 목표

반면 Tesla 의 자율주행 기술 개발 방식은 인간의 뇌 과학 (Neural 과 관련이 깊다. 2021년 12월 일론 머스크는 Tesla 의 자율주행 기술이 인간의 뇌 작동 방식 과 유사하다고 주장 했다. 특히 머스크는 ‘기억은 매우 비싸고 제한적이라 두뇌는 최대 한 많은 양의 시각적 기억을 제거하기 위해 노력하며 , 특정 상황에 있어 최소한의 정보만을 가지고 판단하기 위해 노력한다’고 이야기 했다 . 결론적으로 Tesla 는 기억에 의존하지 않고 해당 상황에 적절히 대응 가능한 자동차의 뇌를 만드는 것을 목표로 자율주행 개발에 임하고 있으며 , 현재까지도 OTA (Over The Air) 를 통한 자율주행 OS 업데이트를 통해 지속적인 기술 개선을 보여주고 있다

자율주행차의 작동 과정은 크게 인지와 판단 , 제어의 세 단계로 구분할 수 있으며 , 이 세 가지 단계를 끊임없이 반복함으로써 자율주행을 실현한다 . 

① 인지 단계에서는 운전자가 육안을 통해 물체와의 거리를 인식하듯이 자율주행차에 장착된 외부 인식장치들이 사물과의 거리를 파악한다 . 인지 단계의 핵심은 라이다(LiDAR)와 레이더(RaDAR), 차량용 카메라 , 초음파센서 등 외부 인식 하드웨어다. 

② 판단 단계에서는 외부 인식장치를 통해 수집한 데이터를 차량 내부 시스템이 분석하여 차량의 속도와 방향 , 제동 필요 여부 등 주행과 관련된 종합적인 의사결정을 내린다. 판단 단계에서는 머신러닝과 딥러닝 등 AI 기술이 필수적이기 때문에 자율주행차용 플랫폼 등을 포함한 소프트웨어가 핵심이라고 할 수 있다. 

③ 제어 단계에서는 판단 단계에서 시스템이 결정한 판단을 통해 상황에 알맞은 동작을 구현, 최적화된 주행을 수행한다. 사람의 뇌가 육체를 조종하는 과정과 유사하며 , 저지연성 정확성 등이 필수적으로 요구된다

카메라는 AEB(Autonomous Emergency Brake), LKA(Lane Keeping Assistance) 및 주차 보조 등의 영역에 기사용되고 있다. 장착 의무화를 도입하는 국가가 증가하면서 수요도 함께 증가하는 추세이다. 카메라는 해상도가 높고 가격과 크기 측면에서 장점을 있지만 밤이나 기상환경에 따라 활용이 제한적이라는 단점이 존재한다.

Radar는 카메라와 LiDar의 단점을 보완해주는 수단으로 주로 사용된다. AEB, SCC(Smart Cruise Control), BSD(Blind Spot Detection) 등에 필수로 사용된다. 탐지 거리가 길고 밤이나 기상환경에 구애받지 않는다는 장점을 가진다. 또한 가격이 저렴하고 소형화가 가능하며 양측이 모두 움직이는 상태에서도 안정적으로 거리와 물체를 측정하는 것이 가능하다. 그러나 해상도가 낮고 작은 물체를 감지하는 것에 취약하다는 단점이 있다. 단점을 보완하기 위하여 크기와 무게를 줄이고 측정각과 측정 거리를 높여 성능을 향상시킨 제품이 출시되고 있다

LiDar는 정밀도가 높고 형상 인식 및 대상의 물리적 특성 측정이 가능해 자율주행을 위한 센서 중 가장 많은 투자가 이루어지고 있는 분야이다. 해상도가 높고 정밀한 식별이 가능하다는 장점이 있지만 소형화가 어렵고 가격이 비싸다는 단점이 있다. 또한, 차량 주변 360도 전 방위를 정밀하게 측정할 수 있지만 우천,폭설 시 난반사 등 기상환경에 영향을 받는다는 한계가 존재한다.

자율주행을 위한 센서 시장은 LiDar와 Radar의 양강 구도로 좁혀지고 있다. 현재 성능 측면에서 가장 뛰어나다고 평가받아 많은 투자를 유치하는 센서는 LiDar이다. 그러나 비싼 가격과 소형화가 어렵다는 특징 때문에 빠른 시일 내 양산이 어려울 것이라는 시각이 지배적이다. 반면 Radar는 LiDar 이상의 성능을 내기 위해서 높은 주파수가 필요하여 크기를 키워야 한다. 그러나 라이더의 10분의 1 가격으로 소형화가 가능하여 양산에 유리하고 빠른 시일 내 적용이 가능할 것이라고 평가받는다. 만도에서 국내 최초 차량용 Radar를 개발, 양산까지 담당한 경험이 있는 인력이 설립한 동사의 수혜가 기대되는 부분이다.

2022년은 자율주행이 핵심테마로 부상할 것으로 예상된다. 독일 정부는 메르세데스-벤츠가 레벨3 자율주행 시스템 ‘드라이브 파일럿’을 차량에 탑재할 수 있도록 허가했으며, 이에 벤츠는 2022년 상반기부터 S클래스, EQS 등에 레벨3 수준의 자율주행 시스템을 탑재할 방침이다. 이외에도 테슬라, BMW, 현대차 등 많은 자동차 제조업체들이 레벨3 자율주행차 상용화를 예고한 만큼, 올해는 자율주행 테마가 크게 주목받을 것으로 예상된다. 미래자동차의 최종 형태는 결국 자율주행차이다.

자율주행 전환 → ① 전장 수요, ② 데이터 송수신량 증가 

자율주행 상용화를 위한 필요조건으로는 차량제어 플랫폼, 하드웨어가 있다. 글로벌 업체들의 카메라, 레이더, 라이다 등 다양한 방식으로 센서를 작동시킨다. 1) 카메라의 경우 비교적 먼 거리를 볼 수 있다는 장점이 있지만 외부 장애물에 대한 제한 조건을 가지고 있다. 2) 레이더는 전자파를 발사해 전파의 소요시간과 주파수로 사물과의 거리 및 속도를 탐지한다. 3) 라이다는 고출력 펄스 레이저를 통해 거리 정보를 획득하는 방식이다. 다만 가격이 높고 기상 변화에 취약하다는 단점을 가지고 있다

자율주행 상용화 시 주변기기의 변화는 필수적이다. 자율주행 기술의 진화에 따라 센서, 제어기 등 전장부품의 탑재량이 크게 증가하면서 전장 산업의 성장 속도는 더욱 가속화 될 전망이다. 

전장 수요 확대에 따른 자동차 컴퓨터도 필수 조건이다. 자동차 1대에서 생산되는 수많은 데이터를 가공하며 전달하는 장치가 필요하기 때문이다. 자동차 컴퓨터의 등장은 차량 내 아키텍쳐 관리, 제어에도 효율적이다. 자율주행 상용화로 자동차 데이터, 인프라 송수신 데이터가 동반 증가할 것으로 보이며 이에 따른 센서, 인프라 확장이 일어날 것으로 전망된다.