자율주행을 위해 설계된 4D 레이더: AIR4D 이미징 레이더
자율주행 산업이 안고 있는 인식(Perception)의 문제는 사실 센서 자체의 문제가 아니다.
문제의 핵심은 데이터다. 더 정확히는, AV AI 모델이 실제 환경에서 학습하고 개선되며 안정적으로 작동하기 위해 필요한 원시(Raw) 고해상도 센서 데이터에 접근할 수 있느냐의 문제다.
오늘날 시장에 출시된 대부분의 4D 레이더 솔루션은 폐쇄형 시스템으로 운용된다. 센서 내부에서 데이터를 처리한 뒤, 필터링된 결과만 제공하는 방식이다. AV 개발사가 정작 얻지 못하는 것은 원시 데이터 그 자체다. 그리고 이 데이터 접근성의 한계는 자율주행 상용화의 속도를 늦추는 요인 중 하나가 되어왔다.
비트센싱이 새롭게 선보인 AIR4D 이미징 레이더는 바로 이 간극을 해소하기 위해 만들어졌다. AIR4D는 자율주행차를 위해 처음부터 설계된 4D 레이더다.
대부분의 4D 레이더가 자율주행을 위해 만들어지지 않은 이유
4D 이미징 레이더는 자율주행 인식 기술에서 중요한 축으로 자리 잡고 있다. 거리, 방위각, 속도를 측정하는 기존 3D 레이더와 달리, 4D 레이더는 여기에 고도 데이터를 더한다. 이를 통해 자율주행차는 보행자와 차량, 도로 표지판과 장애물을 더 정밀하게 구분할 수 있다. 네 개의 차원에 걸쳐 주변 환경을 고해상도 실시간 공간 정보로 이해할 수 있게 되는 것이다.
하지만 현재 시장에 나와 있는 대부분의 4D 레이더에는 근본적인 한계가 있다. 애초에 자율주행을 위해 설계된 제품이 아니라는 점이다.
많은 4D 레이더는 승용차의 ADAS 기능을 위해 개발됐다. 이는 완전 자율주행과는 전혀 다른 사용 환경이다. 기존 자동차용 레이더는 주로 ACC나 AEB 같은 기능을 위해 주변 환경을 내부적으로 처리하고, 사전에 정의된 출력 형태로 단순화해 제공한다. 이러한 방식은 운전자 보조 기능에는 충분할 수 있다. 그러나 자체 인식 알고리즘과 AI 스택을 개발하는 자율주행 기업에게는 유연성을 크게 제한한다.
그 레이더들이 제공하는 데이터는 이러한 출발점을 그대로 반영한다. 그리고 AV 기업들은 지금까지 이 한계를 우회하며 개발을 이어왔다.
AIR4D가 다른 이유
AIR4D는 하나의 질문에서 출발했다.
자율주행차는 레이더로부터 실제로 무엇을 필요로 하는가?
그 답은 데이터 접근성에서 시작된다. AIR4D는 AV 기업이 고해상도 4D 센서 데이터에 직접 접근할 수 있도록 설계됐다. 포인트 클라우드 데이터, 도플러 데이터는 물론, 가장 중요한 원시 레이더 출력까지 제공한다.
원시 또는 중간 단계의 레이더 데이터에 접근할 수 있다는 것은 개발 방식 자체를 바꾼다. 개발자는 필터링된 객체 목록이나 고정된 포인트 클라우드 출력에만 의존하지 않고, 도플러, 고도, 신호 수준 특성을 포함한 훨씬 풍부한 레이더 정보를 직접 다룰 수 있다.
이를 통해 레이더는 단순한 보조 검증 센서가 아니라, 인식과 센서 퓨전의 핵심 축으로 기능할 수 있다. AV 기업은 자체 자율주행 아키텍처 안에서 레이더 데이터를 어떻게 융합하고, 해석하고, 학습에 활용할지 스스로 최적화할 수 있는 자유를 얻게 된다.
이는 인식 엔지니어가 모델을 지속적으로 개선하고, 실제 환경에서 성능을 검증하며, 테스트 단계에서 대규모 배포로 나아가기 위해 필요한 바로 그 데이터다.
AIR4D는 데이터 접근성뿐 아니라 AV 운용의 특수한 요구에도 맞춰 설계됐다. 대표적인 요소가 전력 효율과 열 관리다. 고해상도 레이더는 일반적으로 더 많은 연산 처리, 더 큰 데이터 처리량, 더 복잡한 안테나 구조를 필요로 한다. 이는 전력 소비와 발열 증가로 이어진다.
플릿 규모로 지속 운용되는 AV 시스템에서는 이러한 요소가 상용화 확장성에 직접적인 영향을 미친다. 전력 효율, 열 관리, 신뢰성, 하드웨어 비용은 모두 실제 운용 가능성을 결정하는 핵심 변수다. AIR4D는 인식 성능과 운용 효율성 사이의 균형을 맞추기 위해 설계됐다.
비트센싱 이재은 대표는 이렇게 말한다.
“고해상도 4D 인식 데이터, 특히 모든 원시 데이터 출력을 제공함으로써 자율주행 기업들이 더 빠르게, 더 큰 규모로 시스템을 구축할 수 있도록 지원하는 것이 비트센싱의 목표입니다.”
고도 데이터가 객체 분류를 바꾸는 방식
4D 레이더가 자율주행 인식에 제공하는 가장 중요한 능력 중 하나는 고도 데이터다. 동시에 가장 저평가되어 온 능력이기도 하다.
기존 3D 레이더는 거리, 속도, 수평 위치를 감지할 수 있지만, 객체의 수직 형태나 높이를 이해하는 데는 한계가 있다. 여기에 고도 데이터가 더해지면 시스템은 특정 객체가 실제로 차량의 주행 경로를 막고 있는지 훨씬 더 정확하게 판단할 수 있다.
예를 들어 고도 정보가 없다면, 차량이 안전하게 통과할 수 있는 대형 도로 표지판이나 보행자 육교와 실제 충돌 위험이 있는 높은 장애물을 구분하기 어려울 수 있다. 고도 데이터는 복잡한 도심 환경에서 도로변 인프라와 차량, 보행자를 분리하는 데도 중요한 역할을 한다.
보행자는 일반적으로 더 작고 불규칙한 움직임 패턴을 보인다. 반면 차량은 더 큰 구조체와 일관된 이동 궤적, 다른 속도 특성을 가진다. 고도 데이터는 특정 객체가 공중에 위치한 구조물인지, 통과 가능한 대상인지, 도로변 인프라인지, 아니면 차량 경로 안에 직접 놓인 장애물인지 판단하는 데 도움을 준다.
그 결과 자율주행 시스템은 야간, 악천후, 부분 가림 환경 등 카메라 단독 시스템이 어려움을 겪는 실제 주행 조건에서도 더 안정적으로 객체를 분류하고 주변 환경을 이해할 수 있다.
이것이 레이더가 다른 모든 센서를 대체한다는 의미는 아니다. 목표는 시각 기반 시스템만으로 신뢰성이 떨어질 수 있는 상황에서 신뢰성, 중복성, 환경 이해 능력을 높이는 것이다. 특히 다양한 날씨와 조명 조건에서 지속적으로 운용되어야 하는 AV 배포 환경에서는 이러한 안정성이 더욱 중요해진다.
플릿 규모에서의 레이더–카메라 퓨전 과제
카메라와 레이더를 결합한 아키텍처는 두 센서 간 퓨전 품질만큼만 효과적이다. 그리고 플릿 규모에서의 센서 퓨전은 결코 간단하지 않다.
가장 큰 과제는 시간 정렬, 공간 캘리브레이션, 그리고 수많은 차량 전반에서의 일관성이다. 레이더와 카메라는 서로 다른 방식으로 작동한다. 카메라는 풍부한 시각 정보를 포착하고, 레이더는 거리, 속도, 각도, 반사 신호를 측정한다.
두 센서를 정확하게 융합하려면 정밀한 타임스탬프, 안정적인 외부 캘리브레이션, 그리고 레이더 포인트와 이미지 특징 간의 신뢰할 수 있는 매칭이 필요하다.
플릿 규모에서는 이 과제가 더 복잡해진다. 센서 장착 공차, 진동, 온도 변화, 유지보수, 차량별 편차가 시간이 지남에 따라 캘리브레이션에 영향을 줄 수 있기 때문이다. 최근 레이더–카메라 캘리브레이션 연구에서도 정확한 외부 캘리브레이션이 필수적이며, 레이더와 카메라 데이터 사이의 신뢰할 수 있는 대응점을 찾는 것이 여전히 중요한 엔지니어링 과제임을 지적하고 있다.
AIR4D는 이러한 운용 현실을 고려해 설계됐다. 비트센싱의 엔지니어링 접근은 단순히 센서 성능만을 높이는 데 머물지 않는다. 실제 배포 환경에서 레이더–카메라 퓨전이 안정적으로 작동하기 위해 필요한 통합과 캘리브레이션 기반까지 함께 고려한다.
테스트 트랙이 아닌 실제 도로를 위한 성능
자율주행차는 이상적인 조건에서만 테스트되지 않는다. 실제 도로의 모든 조건에서 운용되어야 한다. AIR4D는 그 현실에 맞춰 설계됐다.
AIR4D의 핵심 기능은 다음과 같다.
- 최대 300m 장거리 감지
더 먼 거리의 차량, 보행자, 장애물을 식별해 자율주행차가 안전한 결정을 내릴 시간을 더 확보한다. - 객체별 직접 속도 측정
주변의 각 객체가 실시간으로 얼마나 빠르게 움직이는지 측정해 더 빠르고 정확한 판단을 지원한다. - 0 lux 환경 성능
카메라와 LiDAR가 어려움을 겪는 극저조도 또는 완전한 암흑에 가까운 환경에서도 주변 인식을 유지한다. - 악천후 안정성
AIR4D의 밀리미터파 주파수는 비, 안개, 눈을 통과한다. 광학 센서의 성능이 저하되는 조건에서도 안정적인 감지 성능을 제공한다. AV 프로그램이 실제 상용 배포 단계로 이동하고 있는 지금, 이러한 신뢰성은 더 이상 선택 사항이 아니라 기본 요건이다. - 카메라와의 심층 통합
AIR4D는 카메라와 함께 작동하도록 설계됐다. 레이더는 정밀한 거리와 속도 정보를 제공하고, 카메라는 고해상도 시각 정보를 제공한다. 두 센서가 결합되면 단독 센서보다 더 신뢰도 높은 종합 인식 시스템을 구성할 수 있다.
이 카메라+레이더 아키텍처는 LiDAR 의존도에서 벗어날 수 있는 현실적인 경로를 제시한다. LiDAR는 여전히 고가이며 기계적으로 복잡하다. AIR4D는 AV 프로그램이 기존에 LiDAR를 통해 확보하고자 했던 공간적 정밀도를 제공함으로써, 차량당 센서 비용을 크게 낮출 수 있는 가능성을 연다. 이는 자율주행 플릿 확장의 핵심 장벽 중 하나를 낮추는 요소가 될 수 있다.
시장의 변곡점
4D 이미징 레이더는 더 이상 초기 단계의 기술이 아니다. 본격적인 AV 프로그램에서 핵심 구성 요소로 자리 잡고 있다.
로보택시 선두 기업들은 이미 차량 한 대에 여러 개의 고성능 4D 레이더를 탑재하고 있다. Waymo는 차량당 6개의 고성능 4D 레이더를 사용하고, Cruise는 21개를 사용한다. [1] 글로벌 4D 이미징 레이더 시장은 2025년 3억 9,280만 달러에서 2030년 12억 달러로, 연평균 25.2%의 성장률로 확대될 전망이다. [2] AV 부문은 2025년부터 2035년까지 127%의 연평균 성장률을 기록할 것으로 예상된다. [3]
규제 환경도 이 전환을 가속화하고 있다. 2024년 7월 발효된 EU 차량 일반 안전 규정은 OEM과 AV 개발사에게 더 높은 성능의 센싱 시스템 통합을 요구하고 있다. [4] 방향은 분명하다. 레이더는 보조적 역할에서 자율주행의 기반기술로 이동하고 있다.
AIR4D는 지금 바로 즉시 배포 가능한 형태로 제공된다. 테스트에서 실제 배포로 전환할 준비가 된 AV 기업에게, AIR4D는 그 시작점에서 함께한다.
.avif)
자율주행의 미래를 앞당기다
자율주행 상용화의 길은 많은 이들이 예상했던 것보다 길었다.
그 이유는 기술의 문제이기도 하고, 경제성의 문제이기도 하며, 데이터의 문제이기도 하다.
AIR4D는 이 세 가지 문제를 모두 겨냥한다.
완전한 원시 데이터 접근성, 전천후 신뢰성, 고도 기반 객체 분류, 그리고 LiDAR에 의존하지 않는 센서 아키텍처를 통해 AIR4D는 자율주행이 요구하는 인식 정밀도를 제공한다. 그리고 AV 기업들이 더 빠르게 나아갈 수 있는 도구를 제공한다.
자율주행의 미래가 조금 더 가까워졌다.
AIR4D에 대해 더 알아보기: contact@bitsensing.com
FAQ
Q. 4D 이미징 레이더란 무엇이며, 기존 레이더와 어떻게 다른가?
기존 3D 레이더는 거리, 방위각, 도플러 속도를 측정한다. 4D 이미징 레이더는 여기에 고도 데이터를 추가한다. 이를 통해 시스템은 보행자와 차량, 도로 표지판과 장애물을 훨씬 더 높은 정확도로 구분할 수 있다. 이 고도 차원은 자율주행이 요구하는 공간적 정밀도를 제공하며, 특정 객체가 통과 가능한 구조물인지, 실제 위협인지, 도로변 인프라인지 판단하는 데 중요한 역할을 한다.
Q. AIR4D가 시장의 다른 4D 레이더와 다른 이유는 무엇인가?
대부분의 4D 레이더는 승용차 ADAS 기능을 위해 개발된 제품으로, 완전 자율주행을 위해 설계된 것은 아니다. AIR4D는 AV를 위해 설계됐다. AV AI 모델에 필요한 포인트 클라우드 및 도플러 데이터를 제공하고, 전력 및 열 효율에 최적화되어 있으며, 무엇보다 경쟁 제품들이 제한하는 원시 레이더 출력에 접근할 수 있도록 한다. 이를 통해 AV 개발팀은 자체 인식 모델을 자유롭게 학습하고, 개선하고, 최적화할 수 있다.
Q. 원시 레이더 데이터란 무엇이며, 왜 중요한가?
원시 레이더 데이터는 필터링이나 해석이 적용되기 전의 미처리 센서 출력이다. AV 개발사에게 원시 데이터 접근이 중요한 이유는 필터링된 객체 목록에만 의존하지 않고, 도플러, 고도, 신호 수준 특성을 포함한 훨씬 풍부한 레이더 정보를 직접 활용할 수 있기 때문이다. 이는 지속적인 모델 학습, 실제 환경 성능 검증, 테스트에서 배포로의 빠른 전환을 가능하게 한다.
Q. AIR4D는 LiDAR 의존도를 어떻게 줄이는가?
LiDAR는 기존 레이더가 제공하기 어려웠던 3D 공간 정확도를 확보하기 위해 사용되어 왔다. AIR4D는 고도 데이터를 포함한 고해상도 4D 인식 데이터를 제공함으로써 LiDAR 없이도 높은 수준의 공간 정밀도를 구현할 수 있도록 한다. 카메라+레이더 아키텍처로 통합하면 LiDAR 중복성에 대한 요구를 줄이고, 차량당 센서 비용을 크게 낮출 수 있다.
Q. AIR4D는 플릿 규모에서 레이더–카메라 퓨전을 어떻게 지원하는가?
플릿 규모에서의 퓨전은 매우 어려운 과제다. 정확한 퓨전을 위해서는 정밀한 시간 정렬, 안정적인 외부 캘리브레이션, 차량 전반의 일관된 성능이 필요하다. 센서 장착 공차, 진동, 온도 변화, 유지보수 편차가 시간이 지남에 따라 누적되면서 문제는 더 복잡해진다. AIR4D는 단독 센서 성능뿐 아니라, 대규모 배포 환경에서 카메라–레이더 아키텍처 안에 안정적으로 통합될 수 있는 컴포넌트로 설계됐다.
Q. AIR4D는 악천후에서 어떤 성능을 발휘하는가?
AIR4D는 비, 안개, 눈을 통과할 수 있는 밀리미터파 레이더 주파수를 사용한다. 이는 카메라와 LiDAR의 성능이 저하되는 환경에서도 안정적인 감지 성능을 유지할 수 있게 한다. 또한 0 lux 이하에 가까운 극저조도 환경에서도 작동해 야간 자율주행 운용에 적합하다. 이러한 능력은 실제 AV 배포에서 선택 사항이 아니라 기본 요건이다.
Q. AIR4D는 지금 사용할 수 있는가?
그렇다. AIR4D는 즉시 적용 가능한 형태로 제공된다. AV 기업과 개발팀은 contact@bitsensing.com으로 비트센싱 영업팀에 문의할 수 있다.
References