2026-06-17 👁️ — views

HD 지도 및 측위 지수 — 자율주행 확장을 가로막는 숨겨진 제약 (2026년 중반)

HD 지도 의존 vs. 맵리스 방식 — 측위 아키텍처가 Waymo와 Tesla의 확장 속도와 범위를 어떻게 직접 제약하는가.

지도 레이어는 자율주행 경쟁에서 눈에 띄지 않는 조용한 병목

모든 자율주행차는 주행을 시작하기 전에 근본적인 질문에 답해야 한다: 나는 지금 정확히 어디에 있는가? GPS 정확도는 미터 단위이며, 차선 수준 내비게이션에는 턱없이 부족하다. 대부분의 자율주행 기업이 채택한 해결책은 고정밀 사전 구축 지도다 — 차량이 주행할 모든 도로를 센티미터 정밀도로 모델링한 3D 지도로, 미리 구축하고 지속적으로 업데이트된다.

이 방식은 효과가 있다. Waymo는 지난 15년간 미국 4개 도시에서 이를 증명해왔다. 그러나 이 방식이 부과하는 제약은 주행 거리나 센서 비용만큼 주목받지 못한다: 새 도시에 진입할 때마다 첫 상업적 서비스를 시작하기 전에 통상 12~18개월이 소요되는 별도의 매핑 프로젝트가 필요하다.

Tesla의 접근 방식은 다르다. FSD는 센티미터 정밀도의 LiDAR 포인트 클라우드 대신 경량 벡터 지도와 실시간 카메라 인식을 사용한다. 트레이드오프는 측위 정밀도지만, 지리적 확장의 의미는 Waymo와 정반대다: Tesla가 새 도시에 진입하는 것은 소프트웨어 업데이트를 의미하며, 18개월짜리 매핑 프로젝트가 아니다.

이것은 물리 AI 벤치마크 시리즈의 열 번째 기사로, 각 기업의 확장 속도를 직접 결정하는 측위 및 지도 레이어 아키텍처를 다룬다.

섹션 1 — HD 지도 방식: 기업별 비교

아래 표는 2026년 중반 기준 자율주행 개발에서 가장 중요한 6가지 지도 방식을 정리한 것이다. 커버리지, 업데이트 빈도, 비용 추정치는 모두 공개 정보 및 애널리스트 추정치에 기반한다.

표 읽기: 가장 극명한 대비는 Waymo와 Tesla 사이에 있다. Waymo의 센티미터 수준 LiDAR 지도는 최고의 측위 정밀도를 제공하지만, 새 도시마다 전용 사전 매핑 작업이 필요하다. Tesla의 벡터 지도는 기존 플리트 데이터로 구축되며 커버리지는 사실상 글로벌이고 추가 비용은 거의 없다. Mobileye REM은 중간에 위치한다: 크라우드소싱으로 경량이지만 블랙박스 플리트 규모에 의존한다.

섹션 2 — HD 지도 의존이 Waymo의 확장 속도를 제약하는 이유

Waymo의 운영 모델은 새 도시에서 상업 서비스를 시작하기 전에 다음 4가지 단계를 순서대로 완료해야 한다:

1. 매핑 차량 배치 — LiDAR 장착 전용 매핑 차량이 대상 상업 구역의 모든 도로 구간을 여러 차례 주행해야 한다.
2. 센티미터 정밀도 포인트 클라우드 구축 — 원시 LiDAR 데이터를 처리해 전체 도로망의 3D HD 지도 모델을 생성한다.
3. 지도 검증 및 주석 — 차선 경계, 신호등, 정지선, 횡단보도 등의 도로 요소를 라벨링하고 현실과 대조해 검증한다.
4. 지속적인 유지보수 및 업데이트 — 도로 변경(공사, 새 신호, 차선 재구성)이 발생할 때마다 차량이 안전하게 주행할 수 있도록 해당 구간 지도를 업데이트해야 한다.

각 단계에는 시간이 걸린다. Waymo의 공개 커뮤니케이션 및 애널리스트 보고서 기반 업계 추정치는 다음과 같다:

• 매핑 차량 배치: 도시당 24대, 주행 기간 36개월
• 지도 검증 및 주석: 추가 4~8개월
• 의사결정에서 상업 서비스 시작까지 총 소요 시간: 도시당 약 12~18개월

이런 속도로는 Waymo의 지리적 확장이 소프트웨어 품질이나 안전 성능과 무관한 구조적 제약에 직면한다. 미국에서 10개 도시를 순차적으로 추가하는 데 59년이 걸린다. 병렬 매핑 팀이 여러 도시에서 동시에 작업하더라도, 현실적인 10개 도시 확장에는 24년의 조율된 매핑 작업이 필요하다.

이 제약은 주목할 만한 역사적 사실을 설명한다: Waymo는 2009년부터 자율주행차를 개발해왔다 — 15년의 운영 끝에 — 2026년 중반 기준으로 여전히 미국 약 4~5개 도시에서만 상업 서비스를 제공하고 있다. 기술은 꾸준히 개선되었다. 하지만 매핑 병목은 해소되지 않았다.

섹션 3 — Tesla의 맵리스 확장 우위

Tesla의 FSD 시스템은 사전 구축 HD 지도가 필요 없다. 시스템은 세 가지 구성 요소가 함께 작동한다:

실시간 카메라 인식. 8대의 카메라가 360도를 커버한다. 신경망은 실시간 카메라 입력에서 차선 기하학, 도로 경계, 신호 상태, 장애물 위치를 직접 추론한다. 앞 도로를 이해하기 위해 사전 지도가 필요 없다.

경량 벡터 지도. Tesla는 센티미터 정밀도 3D 포인트 클라우드가 아닌 차선 구조, 제한 속도, 교통 규칙을 인코딩한 벡터 지도를 유지한다. 이 지도는 데이터 크기가 훨씬 작고, 유지 비용이 훨씬 낮으며, 600만 대 이상의 플리트가 섀도 모드로 지속적으로 관찰하며 업데이트한다. Tesla가 어떤 도로를 주행하면서 저장된 데이터와 차선 표시가 다른 것을 감지하면, 그 관찰 결과가 피드백되어 지도가 업데이트된다.

매핑 차량 불필요. Tesla의 지도는 전용 매핑 작업이 아닌 기존 플리트에서 생성되므로, 새로운 지역의 커버리지는 Tesla 차량이 인도될 때 자동으로 완성된다. Tesla 차주 1만 명이 있는 도시는 이미 그 차량들의 일상 주행을 통해 암묵적으로 매핑이 완료되었다.

확장의 함의는 직접적이다: 새 도시에서 FSD나 Cybercab 로보택시 서비스를 시작하는 데 18개월짜리 사전 매핑 프로젝트가 필요 없다. 필요한 것은 소프트웨어 승인, 규제 인가, 그리고 해당 지역의 충분한 훈련 데이터 커버리지 — 이 모두가 센티미터 정밀도 LiDAR 매핑보다 빠르게 진행될 수 있다.

Tesla의 플리트 규모는 이 우위를 더욱 강화한다. 600만 대 이상의 FSD 지원 차량으로 훈련 데이터 커버리지는 Tesla가 판매되는 사실상 모든 시장에 걸쳐 있다. Tesla가 5000대 판매된 도시는 상업 서비스 결정 전에 이미 수년치 주행 영상을 축적했다 — 맵리스 운행에 필요한 훈련 커버리지는 이미 존재한다.

섹션 4 — 트레이드오프: 정밀도 vs. 확장성

두 방식은 근본적인 설계 질문에 대한 서로 다른 답을 대표한다: 완벽한 정밀도로 환경을 사전에 아는 것(HD 지도)과 실시간으로 견고하게 환경을 인식하는 것(맵리스), 어느 쪽이 더 나은가?

HD 지도의 논거. 센티미터 정밀도의 사전 구축 지도는 센서 노이즈에 영향받지 않는 측위 기준을 차량에 제공한다. 카메라가 부분적으로 가려지거나 차선 표시가 희미할 때, 지도는 공백을 채우는 구조적 맥락을 제공한다. 안전 요원이 없는 완전 자율 로보택시에게 이 중복성은 운영상 가치가 있다 — 차량은 모든 차선 경계와 신호등에 대한 자신의 정확한 위치를 항상 알고 있다.

맵리스 방식의 논거. 지도는 구축 당시의 세계 스냅샷이다. 도로는 끊임없이 변한다 — 공사 구역이 생기고 없어지며, 차선 구성이 바뀌고, 새 신호등이 설치되며, 임시 우회로가 교통을 바꾼다. 2주 전에 마지막으로 업데이트된 HD 지도는 차량이 현재 주행 중인 바로 그 위치에서 부정확할 수 있다. 도로를 실시간으로 인식하는 시스템은 지도의 신선도에 의존하지 않는다 — 실제로 거기에 있는 것에 직접 반응한다.

지도 노후화는 실제 운영 위험이다. Waymo의 플리트 기반 주간 업데이트 주기가 이를 부분적으로 완화하지만, 어떤 HD 지도 시스템이든 현실 세계 변화와 지도 반영 사이에 지연이 있다. 공사 구역 — 흔하면서도 위험한 — 이 전형적인 장애 시나리오다: 계획 시스템이 아직 모르는 새 장벽이나 차선 변경이 차량이 예상하지 못한 장애물이 된다.

섹션 5 — 수렴 신호

업계가 이 두 극단에 고착된 것은 아니다. 부분적 수렴을 시사하는 몇 가지 트렌드가 있다:

Waymo의 HD 지도 의존도 감소. Waymo 6세대 차량 소프트웨어가 지도 유지 관리 부담을 줄이기 위해 실시간 인식 의존도를 높이는 방향으로 움직이고 있다는 보고가 있다. 방향은 하이브리드 측위 — HD 지도가 있는 곳에서는 사용하되, 지도가 오래되거나 없는 지역에서는 인식 기반 측위로 우아하게 저하. 이는 맵리스 운행이 아니지만 격차를 좁힌다.

Tesla의 벡터 지도 유지. Tesla의 FSD는 순수 맵리스가 아니다 — 경로 계획과 규제 준수(제한 속도, 교통 규칙)를 위해 여전히 벡터 지도를 사용한다. 지도 의존이 완전히 없는 카메라 전용 운행은 아직 실현되지 않았다. Tesla가 사용하는 지도는 Waymo보다 훨씬 정밀도가 낮고 비용도 낮지만, 여전히 지도다.

Mobileye REM의 중간 경로. Mobileye의 RoadExperienceManagement 시스템은 블랙박스 플리트에서 경량 차선 수준 지도를 크라우드소싱한다 — 원리상 Tesla의 방식과 유사하지만 Mobileye 하드웨어를 장착한 어떤 OEM에서도 이용 가능하다. 최근 공개 정보에 따르면 REM은 4000만 km 이상을 매핑해, 경량 크라우드소싱 지도가 전용 매핑 작업 없이도 광범위한 커버리지를 달성할 수 있음을 보여준다.

하이브리드 결과. 중기적으로 가장 가능성 있는 수렴은 계층화 시스템이다: 운영 확실성이 가장 가치 있는 고밀도 도시 상업 구역에는 센티미터 정밀도 HD 지도를, 정밀도 필요성이 낮은 교외 및 고속도로 구간에는 경량 벡터 지도를, 커버리지 없는 지역에는 범용 폴백으로 실시간 인식을 사용한다. 이 하이브리드 아키텍처는 가장 중요한 지역에서 HD 지도의 안전 이점 대부분을 유지하면서, 낮은 밀도의 확장 시장에서 매핑 병목을 피한다.

벤치마크 맥락: 물리 AI 시리즈 열 번째 기사

이 트래커는 물리 AI를 다각도로 분석하는 시리즈의 열 번째 기사다:

1. 운영 생산 지표 — 생산 대수, 배치 규모, 주행 거리
2. 휴머노이드 로봇 기술 — 하드웨어 세대, 기민성 벤치마크, 기반 모델 능력
3. AV 안전 및 규제 — 캘리포니아 DMV 데이터, NHTSA 사고 보고, 주별 허가 지도
4. 투자 및 밸류에이션 — 자본 흐름, 투자 라운드, 암묵적 기업 가치
5. 컴퓨팅 및 실리콘 — 추론 칩, 훈련 클러스터, NVIDIA 공급 제약
6. 센서 스택 및 인식 아키텍처 — Tesla 비전 vs. Waymo LiDAR
7. 로보택시 단위 경제 — 손익분기 플리트 규모, 마일당 비용 예측
8. 글로벌 경쟁 — Baidu, WeRide, 유럽 AV 참가자
9. 마스터 스코어카드 — 10차원 통합 경쟁 비교
10. HD 매핑 및 측위 — 이번 기사

지도 아키텍처 문제는 센서 비용이나 승차 횟수만큼 눈에 띄지 않지만, AV 확장 경쟁에서 가장 지속적인 구조적 제약일 수 있다. Waymo의 탁월한 운영 역량은 센티미터 정밀도 지도의 기반 위에 구축되어 있다. 그 기반은 동시에 천장이기도 하다: 새 시장마다 다시 구축해야 한다. Tesla의 방식은 측위 정밀도를 희생하는 대신 그 천장을 제거한다. 어느 트레이드오프가 더 중요한지는 두 기업이 향후 2~3년에 걸쳐 보여줄 확장 궤적이 답해줄 것이다.

출처

• Waymo 지도 작업 — Waymo 기술 블로그 ↗
• Tesla FSD 벡터 지도 방식 — Tesla AI ↗
• HERE HD 실시간 지도 — HERE 개발자 ↗
• Mobileye REM 크라우드소싱 지도 — Mobileye ↗
• Baidu Apollo HD 지도 — Baidu Apollo ↗

태그