웨이모는 왜 멈추는가? 로보택시 정체 현상 뒤에 숨겨진 공학적 진실

웨이모는 왜 멈추는가?

 

1. 요약

최근 샌프란시스코와 로스앤젤레스 등지에서 웨이모(Waymo) 로보택시가 도로 한복판에 멈춰 서며 교통 체증을 유발하는, 이른바 '스톨링(Stalling)' 현상이 빈번하게 보고되고 있습니다. 대중의 눈에는 이것이 단순한 시스템 오류나 AI의 '멍청함'으로 비칠 수 있습니다. 하지만 공학적 관점에서 이 현상을 들여다보면, 이는 기술적 결함이라기보다 **"불확실한 상황에서는 절대 움직이지 않는다"**는 극도로 보수적인 안전 철학이 작동한 결과임을 알 수 있습니다. 본 글에서는 웨이모가 멈추는 것이 왜 '고장'이 아닌 '안전 기능'의 발동인지, 그리고 이 기술이 넘어야 할 인프라와 환경의 장벽은 무엇인지 분석합니다.


2. 핵심 분석

2-1. 안전을 위한 타협: '최소 위험 상태(MRC)'의 역설

웨이모 차량이 교차로 진입 직전이나 주행 차로에서 갑자기 비상등을 켜고 멈추는 행동은 자율주행 시스템 설계의 핵심 개념인 **'최소 위험 상태(MRC, Minimal Risk Condition)'**와 직결됩니다.

인간 운전자는 낯선 상황에서도 직관과 융통성을 발휘해 주행을 지속(Keep Driving)하려는 경향이 있습니다. 반면, 웨이모의 AI는 수학적으로 안전이 100% 담보되지 않는 순간, 즉시 가장 안전한 상태로 전환하도록 프로그래밍되어 있습니다. 이 MRC는 크게 두 가지로 나뉩니다.

  • 갓길 정차(Pull Over): 상황 판단에 여유가 있을 때 안전한 곳으로 이동해 멈추는 방식입니다.

  • 차로 내 정지(Stop in Lane): 충돌 위험이 급박하거나, 경로 계산 자체가 불가능한 '교착 상태(Deadlock)'에 빠졌을 때 현재 위치에 그대로 멈추는 방식입니다.

최근 논란이 되는 교통 마비 사례들은 대부분 후자인 '차로 내 정지'가 발동된 경우입니다. AI가 수천 가지 미래 시나리오를 시뮬레이션했을 때, 단 0.1%라도 사고 확률이 존재한다면 시스템은 주행을 포기하고 멈추는 것을 택합니다. 이는 사고를 예방하는 데는 탁월하지만, 역설적으로 도심의 교통 흐름을 끊어버리는 결과를 낳고 있습니다. 즉, 멈춤은 '오류'가 아니라 시스템이 의도한 '성공적인 방어 기제'인 셈입니다.

2-2. 보이지 않는 탯줄: 통신망 의존성과 '원격 지원'의 병목

자율주행차는 혼자 운전하는 것 같지만, 사실 보이지 않는 끈으로 관제 센터와 연결되어 있습니다. 웨이모는 AI가 판단하기 어려운 모호한 상황(공사 현장, 신호등 고장 등)에 직면하면 클라우드에 있는 인간 운영팀에게 '확인 요청'을 보냅니다. 이를 **원격 지원(Remote Assistance)**이라고 합니다.

2025년 말 발생한 샌프란시스코 대규모 정전 사태는 이 시스템의 취약점을 적나라하게 보여주었습니다. 도시 전역의 신호등이 꺼지자, 수백 대의 웨이모 차량이 동시에 관제 센터에 "지나가도 됩니까?"라는 질문을 쏟아냈습니다.

  • 병목 현상(Bottleneck): 인간 상담원의 처리 용량을 초과하는 요청이 폭주하면서 차량들은 답변을 기다리며 도로 위에 멈춰 섰습니다.

  • 통신망 불안정: 정전으로 기지국 전력이 불안정해지자 5G/LTE 통신 속도가 느려졌고, 이는 차량이 현장 영상을 전송하고 지령을 받는 시간을 지연시켰습니다.

이 사건은 자율주행차가 통신망이 두절된 '데드존(Dead Zone)'이나 재난 상황에서도 외부 도움 없이 독립적으로 판단하고 움직일 수 있는 **'생존성(Survivability)'**을 확보해야 한다는 과제를 남겼습니다. 현재의 로보택시는 도시 인프라와 통신 네트워크에 지나치게 의존하고 있는 상태입니다.

2-3. AI의 눈을 가리는 것들: 안개, 그리고 사람의 수신호

웨이모는 '세상에서 가장 숙련된 운전자'를 표방하지만, 물리적 세계의 무질서함 앞에서는 여전히 한계를 보입니다. 대표적인 것이 샌프란시스코의 짙은 **안개(Fog)**입니다. 웨이모의 주력 센서인 라이다(LiDAR)는 레이저를 쏘아 거리를 측정하는데, 공기 중의 미세한 물방울(안개)은 레이저를 산란시켜 허상(Ghost Object)을 만들어냅니다. 안개를 벽으로 오인하거나, 앞이 보이지 않는다고 판단해 멈춰 서는 것입니다. 웨이모는 이를 극복하기 위해 안개를 투과하는 고해상도 이미징 레이더와 센서 세척 시스템을 갖춘 6세대 하드웨어를 도입하고 있습니다.

또 다른 난관은 **'사회적 상호작용'**입니다. 도로는 명문화된 법규뿐만 아니라 운전자 간의 눈치, 경찰의 수신호 같은 암묵적인 약속으로 돌아갑니다.

  • 경찰 수신호: 경찰관이 손을 흔드는 것이 '가라'는 뜻인지 '멈추라'는 뜻인지, 혹은 단순히 '파리를 쫓는 것'인지 AI는 문맥(Context)을 완벽히 이해하지 못합니다.

  • 공사 현장: "STOP" 표지판을 든 인부가 손으로는 "지나가라"고 손짓할 때, AI는 '멈춤'이라는 텍스트 정보와 '진행'이라는 제스처 정보의 충돌을 해결하지 못하고 안전하게 멈추는 쪽을 택합니다.

이는 단순한 센서의 문제가 아니라, 인간의 의도를 파악하는 고차원적인 인지 지능의 문제입니다. 이를 해결하기 위해 최근에는 거대 언어 모델(LLM)을 주행에 접목한 VLM(Vision-Language Model) 기술이 연구되고 있습니다.


3. 결론


웨이모 로보택시의 잦은 운행 중단은 기술이 미성숙해서라기보다, "불확실한 상황에서 인간보다 훨씬 더 겁을 내도록" 설계되었기 때문에 발생합니다. 기업 입장에서는 멈춰서 욕을 먹는 것이, 무리하게 주행하다가 인명 사고를 내는 것보다 훨씬 감당하기 쉬운 리스크이기 때문입니다.

하지만 도시 전체의 관점에서 볼 때, 수시로 멈추는 로보택시는 분명한 골칫거리입니다. 이 문제를 해결하기 위해서는 AI 모델의 고도화뿐만 아니라, 도로 인프라(V2I)의 확충, 그리고 자율주행차를 대하는 사회적 합의가 함께 발전해야 합니다. 지금 우리가 겪는 불편함은 운전의 주체가 인간에서 AI로 넘어가는 거대한 과도기에서 겪는 필연적인 성장통일 것입니다. 웨이모는 지금도 멈춰 있는 그 순간, 수많은 데이터를 통해 '더 유연하게 움직이는 법'을 배우고 있습니다.

이 블로그의 인기 게시물

"5G 굴레 벗은 오이솔루션: NTT 요청에 CAPA 2배, 6G 핵심 기술 선점으로 '구조적 상한가' 폭발 분석"

한국정보인증 KICA: 전통을 넘어 미래 디지털 신뢰 플랫폼으로 도약하다 (Feat. 491% 순이익 성장 비결)

HBM 소재 국산화 선봉장! 이엔에프테크놀로지, 185% 폭발 성장의 비밀과 저평가 매력