2026-06-18 — views

피지컬 AI 극한 날씨 성능 2026 — Waymo LIDAR 안개 대응 vs 테슬라 FSD 카메라 눈·얼음 대응: AV 전천후 벤치마크

Waymo는 1550nm LIDAR로 SF 안개에 대응한다. 테슬라 FSD는 적설 지대 훈련 데이터를 활용한다. 2026년 중반 기준, 폭설·결빙 노면에서의 무인 주행을 검증한 AV 시스템은 존재하지 않는다.

피지컬 AI 벤치마크 시리즈 제207편 — 전천후 배치 과제

날씨는 자율주행차 상업화에서 가장 과소평가된 제약 요인이다. AV 센서 모달리티——LIDAR, 카메라, 밀리미터파 레이더——는 각각 강수, 안개, 극한 기온과 근본적으로 다른 관계를 가진다. 2026년 상업 AV 서비스의 지리적 배치 패턴은 우연이 아니다: 이는 오늘날 센서 스택이 백업 드라이버 없이 안정적으로 운행할 수 있는 지역을 직접 반영한다. 상업 AV 배치의 선벨트 지역 우위(피닉스, 오스틴, LA, 샌프란시스코, 애틀랜타)와 시카고, 보스턴, 디트로이트, 미니애폴리스에서의 상업 무인 운전 서비스 완전 부재는 센서 물리학에 관한 기술적 사실이며, 동시에 상업·규제적 선택이기도 하다.

본 기사는 Waymo의 LIDAR 중심 센서 퓨전 스택과 테슬라의 카메라 중심 FSD 시스템을 악천후 조건의 전체 스펙트럼에 걸쳐 비교 평가한다. 분석은 물리 원리(파장 의존 산란, 밀리미터파 레이더 투과성), 공개된 운용 설계 도메인(ODD) 경계, 그리고 테슬라의 600만 대 이상 차량군이 적설 지대에서의 연중 주행을 통해 제공하는 훈련 데이터 광도 우위에 기반한다. (추정값)으로 표시된 모든 수치는 공식 데이터가 공개되지 않은 경우의 공개 정보와 물리 원리에 기반한 추정치다.

제1절 — 피지컬 AI 배치의 날씨 격차

2026년 상업 AV 서비스의 지리적 배치 패턴은 우연이 아니다. Waymo의 운영 도시——샌프란시스코, 피닉스, LA, 오스틴, 애틀랜타——에는 중요한 공통점이 있다: 사막(피닉스: 연간 평균 강수량 추정 약 8인치(추정값)), 온화한 연안 도시(SF: 정기적인 안개가 있으나 온화하고 결빙은 드물다), 또는 따뜻한 도시(오스틴, LA, 애틀랜타) 중 하나다. 주목할 만한 부재는 명확하다: 시카고(적설, 극한 추위), 보스턴(적설, 동결-해동 사이클), 디트로이트(적설, 겨울 폭풍), 미니애폴리스(극한 추위, 폭설), 뉴욕시에는 주요 상업 무인 AV 서비스가 없다.

이 지리적 격차는 기술적 제한이자 상업적 우선순위다——그러나 기술적 제한이 먼저였다. AV 기업들이 선벨트 도시로 확장한 것은 기술이 그곳에서 더 안정적으로 작동하기 때문이며, 텍사스주와 애리조나주의 규제 환경이 더 허용적이기 때문이다. 적설 지대의 부재는 주로 규제 실패가 아니라 현재 센서 스택이 성능 한계에 도달한 것의 직접적인 반영이다.

세 가지 주요 AV 센서 모달리티는 근본적으로 다른 날씨 성능 프로파일을 가진다:

LIDAR (광학식, 레이저 펄스): 날씨 민감. 905nm 또는 1550nm 파장의 레이저 펄스는 비와 안개 속의 물방울, 강설의 눈송이에 부딪히면 산란된다. 폭우는 LIDAR 유효 탐지 거리를 크게 감소시킨다. 짙은 안개는 LIDAR 유효 탐지 거리를 맑은 날 추정 200m 이상에서 짙은 연안 안개 속 추정 50~70m(추정값)까지 감소시킨다. 최적: 맑은 날씨. 최악: 짙은 안개와 폭설의 조합.

카메라 (가시광선, 근적외선): 날씨 민감. 비 속에서 카메라 렌즈의 물방울이 화질을 저하시킨다. 안개 속에서 대비 감소로 물체 경계 식별이 어려워진다. 적설 도로에서는 차선 표시가 완전히 사라진다. 야간+폭우+안개는 카메라 기반 시스템에 최악의 조합이다. 최적: 맑은 낮. 최악: 야간 폭우 짙은 안개의 조합.

밀리미터파 레이더 (자동차 표준 77 GHz): 날씨 강인. 밀리미터파 레이더 신호는 비, 안개, 눈을 최소한의 감쇠로 투과한다. 레이더 유효 거리와 속도 정확도는 강수의 영향을 거의 받지 않는다. 주요 제한은 날씨 성능이 아니라 공간 해상도: 레이더는 거리와 속도 데이터를 제공하지만 LIDAR 포인트 클라우드나 카메라 이미지처럼 물체 형상을 재구성할 수 없다.

센서 스택 아키텍처가 전체적인 날씨 강인성을 결정한다. Waymo의 3중 중복 접근법(LIDAR+카메라+레이더)은 LIDAR와 카메라가 모두 저하될 때 레이더가 완전한 성능을 유지하기 때문에, 구조적으로 테슬라의 카메라 중심 접근법보다 날씨 강인성이 높다.

제2절 — Waymo 날씨 성능: 안개, 비, 경미한 악천후에서의 LIDAR

Waymo의 상업 무인 운전 서비스는 샌프란시스코, LA, 피닉스, 오스틴에서 운영된다——4개 도시 합계로 Waymo 센서 스택은 도시 안개, 적당한 비, 거친 사막 뇌우에 노출되지만, 폭설이나 지속적인 결빙 도로는 직면하지 않는다.

날씨 조건	Waymo 센서 스택 동작	운용 대응	현재 배치 상태
도시 안개 (예: SF의 칼 더 포그)	짙은 안개에서 LIDAR 탐지 거리 감소; Waymo의 1550nm LIDAR 파장은 단파장 905nm 시스템보다 안개 산란이 적음; Waymo는 시간적 일관성을 사용해 안개 반사와 물체 반사를 구분하는 안개 필터링 알고리즘 개발	정기적으로 안개가 발생하는 SF에서 상업 운영; 안개 특화 인식 스택 조정; SF 운영 성공이 Waymo 검증 ODD 내 도시 안개 능력을 입증	SF에서 상업 무인 운전 서비스 운영 중; SF 안개 조건은 ODD 내에서 처리; 짙은 연안 안개 이벤트는 보수적 주행 동작을 유발할 수 있음
소~중비	LIDAR 포인트 클라우드가 비 속에서 노이즈 증가; 빗방울 반사가 거짓 양성 물체로 나타남; Waymo 소프트웨어는 시간적 일관성으로 빗방울 반사 필터링; 카메라는 렌즈 수분 저하와 대비 감소 경험; 레이더는 완전한 성능 유지	SF와 오스틴 비 속에서 계속 운영; 비 특화 신호 처리 알고리즘 작동; 비 속에서 보수적 속도 감소와 차간 거리 증가	모든 운영 도시에서 소~중비 중 상업 운영 계속; 폭우는 서비스 속도 감소 또는 지오펜스 수축을 유발할 수 있음
폭우·뇌우	폭우는 LIDAR 포인트 클라우드 노이즈를 크게 증가; 호우는 Waymo의 비 필터링 알고리즘을 압도할 수 있음; 카메라는 폭우에서 심각하게 저하; 레이더는 기능 유지하나 물체 분류 능력에 제한	Waymo 운용 정책: 속도 감소, 차간 거리 증가, 조건이 ODD를 초과하면 갓길 정차; 피닉스 몬순 계절(추정 6~9월)이 가장 과혹한 비 조건 생성	피닉스 몬순 계절이 Waymo 운영 도시 중 가장 혹독한 강우 조건 생성; Waymo는 경~중 몬순 강우 중 계속 운영하나 극심한 몬순 조건에는 보수적 프로토콜 유지
짙은 안개, 가시거리 추정 50m 미만(추정값)	짙은 안개는 LIDAR 기반 시스템에 가장 어려운 조건; LIDAR 유효 거리가 매우 짧을 때(추정 50m) 고속 주행 시 제동 거리가 LIDAR가 감지할 수 있는 전방 거리를 초과; 카메라도 마찬가지로 심각하게 저하; 레이더는 물체 감지를 유지하나 복잡한 도시 기동에 필요한 공간 해상도 제공 불가	Waymo는 저시야 짙은 안개 조건에서 속도를 25마일/시 미만으로 크게 낮춤; 극단적 짙은 안개에서는 Waymo 차량이 갓길 정차 후 원격 운영자 지원 요청	Waymo ODD를 초과하는 짙은 안개는 영향 지역의 서비스 중단 유발
결빙·적설 (현재 Waymo ODD 외부)	Waymo는 현재 결빙·적설 조건에서 상업 운영 안 함; Waymo의 ODD는 폭설과 결빙 도로 조건을 명시적으로 제외; 센서 스택은 눈 속에서 복합 과제 직면: LIDAR 하우징 축적, 강설에 의한 포인트 클라우드 노이즈, 노면 반사율 표시 손실	Waymo 운용 경계: 적설과 결빙은 현재 ODD 외부; 이는 시스템이 검증된 범위를 정의하는 신중한 운용 제약이며 정상 운영 조건에서의 안전 실패가 아님	Waymo의 선벨트 도시로의 지리적 제한은 적설·결빙 ODD 제외와 직접 관련; 북동부 도시 진입에는 다년간의 연구·검증이 필요

제3절 — 테슬라 FSD 날씨 성능: 카메라 훈련 데이터 광도 vs 물리적 한계

테슬라의 카메라 중심 악천후 접근법은 Waymo의 센서 퓨전과 근본적으로 다른 전략에 의존한다: 모달리티 간 센서 중복성을 유지하는 대신, 가능한 한 광범위한 실세계 날씨 조건 분포에서 신경망을 훈련한다. 테슬라는 추정 600만 대 이상의 차량군으로 미네소타, 미시건, 콜로라도, 뉴잉글랜드를 포함한 전미 지리적 환경에서 주당 추정 수천만 마일(추정값)을 생성하며, 어떤 경쟁사보다 많은 적설·결빙 주행 훈련 데이터를 축적했다.

날씨 조건	테슬라 FSD 동작	훈련 데이터 우위	현재 배치 상태
안개·박무	테슬라 카메라는 모든 광학 시스템과 마찬가지로 안개의 영향을 받음; 그러나 추정 60억 마일 이상의 다양한 날씨 데이터(추정값)의 안개 조건에서 훈련된 신경망은 안개 특화 시각 패턴 학습	태평양 연안(CA, OR, WA), 5대호 안개 이벤트, 대서양 연안에서의 안개 속 주행 데이터 포함	FSD는 고안개 지역 포함 전미 모든 주에 배치; 유감독 FSD는 전미 안개 조건에서 운영
비 (소~폭우)	비 속에서 카메라 렌즈에 수분 발생; 테슬라 FSD는 다각도 카메라 뷰와 시간적 일관성으로 비 노이즈 필터링; 폭우는 카메라 유효 거리를 크게 감소	플로리다, 텍사스, 태평양 북서부의 폭우 훈련 데이터 규모에서 Waymo를 능가; 테슬라 FSD는 모든 AV 시스템 중 가장 많은 폭우 주행 마일로 훈련됐을 가능성(추정값)	테슬라 FSD 유감독은 전미 중비에서 운영; 폭우는 속도 감소 등 보수적 동작 유발
가벼운 눈·슬러시	가벼운 눈은 카메라 이미지에 비와 유사한 눈송이 노이즈 생성; 신경망은 시간적 일관성으로 눈송이와 물체 구분; 가벼운 눈에서는 차선 표시가 부분적으로 가시적	테슬라 차량군이 미네소타, 미시건, 콜로라도, 뉴잉글랜드에서 운영; 테슬라 FSD는 이 시장에서 상당한 가벼운 눈 훈련 마일 축적	FSD 유감독이 차주에 의해 가벼운 눈 조건에서 사용; 테슬라 오토파일럿 고속도로 모드가 가벼운 눈에서 속도 감소 후 작동
폭설·적설 도로	폭설은 카메라 기반 시스템에 가장 어려운 조건: 카메라 가시거리가 추정 20m 이하(추정값)로 감소; 차선 표시가 적설 하에 완전히 사라짐; 도로 경계 소실; 카메라는 눈으로 덮인 도로 가장자리를 신뢰할 수 있게 감지 불가	테슬라는 FSD의 폭설 능력을 주장하지 않음; 화이트아웃 조건에서의 카메라 물리적 한계는 훈련 데이터 광도로 완전히 보상 불가	FSD는 폭설에서 신뢰할 수 없게 작동; 적설 지대 테슬라 차주들은 폭설 조건에서 FSD 해제 보고; 테슬라는 폭설에서 인간 감독 권장
결빙·블랙아이스	블랙아이스는 카메라에도 LIDAR에도 불가시(일반 젖은 노면처럼 보임); 어떤 AV 시스템도 현재 차재 센서만으로 블랙아이스를 신뢰할 수 있게 감지 불가	블랙아이스 감지 격차는 모든 AV 시스템에서 보편적으로 공유됨	어떤 AV 시스템도——Waymo, 테슬라, 또는 경쟁사——블랙아이스에서의 무인 운전 검증을 통과하지 못함

제4절 — 센서 모달리티 날씨 성능 매트릭스

센서 유형	맑은 날	가벼운 비	폭우	가벼운 안개	짙은 안개	가벼운 눈	폭설	결빙
LIDAR (회전식, 1550nm)	★★★★★ 뛰어난 거리·해상도	★★★★ 포인트 클라우드 노이즈는 필터링으로 관리 가능	★★★ 상당한 노이즈; 필터링 필요	★★★★ 양호; 1550nm은 안개에서 905nm보다 산란 적음	★★ 추정 50~70m(추정값)까지 거리 감소	★★★ 하우징 축적 위험; 강설 노이즈	★★ 노이즈+하우징 축적; 저하	★★★ 블랙아이스 불가시; 노면 적설이 반사율 표시 감소
카메라 (가시광선, 8개 이상)	★★★★★ 뛰어난 시각 인식	★★★ 렌즈 수분+대비 감소	★★ 상당한 대비 손실; 유효 거리 감소	★★★ 가벼운 안개에서 적당한 대비 손실	★★ 짙은 안개에서 상당한 가시성 손실	★★★ 눈송이 노이즈는 시간적 일관성으로 관리 가능	★ 차선 표시 소실; 도로 경계 불가시	★★ 블랙아이스는 시각적으로 불가시
밀리미터파 레이더 (77 GHz)	★★★★ 양호한 물체 감지; 형상 해상도 제한적	★★★★★ 뛰어남; 레이더는 비의 영향 없음	★★★★★ 뛰어남; 레이더는 폭우의 영향 없음	★★★★★ 뛰어남; 레이더는 안개의 영향 없음	★★★★★ 뛰어남; 레이더는 짙은 안개의 영향 없음	★★★★★ 뛰어남; 레이더는 눈의 영향 없음	★★★★★ 타 차량 감지에 뛰어남; 도로 경계 직접 측정 불가	★★★★★ 타 차량 감지 유지; 노면 결빙 직접 감지 불가
센서 퓨전 (LIDAR+카메라+레이더——Waymo)	★★★★★ 모든 센서 가동 시 최고 수준	★★★★ 비가 LIDAR·카메라에 영향; 레이더 보완	★★★★ 폭우로 LIDAR·카메라 저하; 레이더가 차량 감지 유지	★★★★ 안개로 LIDAR·카메라 저하; 레이더 보완	★★★ 짙은 안개: LIDAR 거리 추정 50~70m(추정값); 레이더 부분 보완	★★★ 눈으로 LIDAR·카메라 저하; 레이더가 차량 감지 보완	★★ 폭설: LIDAR 하우징 위험+포인트 클라우드 노이즈; 레이더는 차량 보완하나 도로 경계 불가	★★ 블랙아이스·노면: 모든 센서 제한적
카메라+레이더 (테슬라 FSD)	★★★★★ 뛰어난 카메라; 레이더 보조	★★★★ 카메라 저하; 레이더가 차량 감지 보완	★★★ 폭우로 카메라 심각 저하; 레이더가 차량 보완	★★★ 중간 안개: 카메라+레이더; LIDAR 없이 추가 깊이 없음	★★ 짙은 안개: 카메라 심각 저하; 레이더는 차량 감지만	★★★ 가벼운 눈은 훈련 데이터 패턴 인식으로 관리 가능	★ 폭설: 카메라는 차선 표시·도로 가장자리 인식 불가; 레이더는 차량만 감지	★ 블랙아이스: 카메라 감지 불가; 레이더 감지 불가; GPS 날씨 상관관계만

제5절 — 전천후 배치 벤치마크 성적표

날씨 차원	Waymo (LIDAR+카메라+레이더)	테슬라 FSD (카메라+레이더)	Aurora (LIDAR+카메라+레이더, 트럭 운송)	2028년 전망
도시 안개	양호: SF에서 정기적 안개 속 상업 서비스; 1550nm LIDAR 내안개성; SF 운영 성공이 ODD 내 안개 능력 검증	보통: 카메라 훈련 데이터 광도가 물리적 한계 보완; 레이더 백업; 고안개 상업 서비스에서 무인 운전으로 미배치	양호: 가벼운 안개에서 고속도로 AV 관리 가능; 짙은 안개는 속도 감소 유발	Waymo의 1550nm LIDAR 안개 우위는 고체 LIDAR 개선과 함께 성장; 테슬라 훈련 광도 지속 확대
비 (소~중비)	양호: 모든 운영 도시에서 비 속 운영; 레이더와 센서 퓨전이 날씨 강인성 제공	양호: 카메라+레이더; FL, TX, 태평양 북서부 차량군의 다양한 비 조건 훈련	양호: 센서 퓨전; 속도 감소로 고속도로 AV 비 속 관리 가능	Waymo와 테슬라 모두 중비를 적절히 처리; 폭우는 양쪽 모두에 여전히 과제
폭우·뇌우	보통: 폭우에서 LIDAR 저하; 레이더 보완; 보수적 속도 감소; 오스틴·피닉스 몬순 계절 관리됨	보통: 폭우에서 카메라 심각 저하; 레이더가 차량 감지 보완; 보수적 속도 감소	보통: Waymo와 유사한 접근; 보수적 속도 감소	날씨 강인 센서 퓨전은 극한 강우에서도 구조적 경쟁 우위 유지
적설 (가벼운 눈)	상업적 적설 배치 없음; 현재 ODD 외부	보통: FSD가 적설 지대 주에 배치; 상당한 가벼운 눈 데이터로 훈련; 유감독 FSD가 차주에 의해 가벼운 눈에서 사용	현재 텍사스 회랑의 적설 조건에서 미배치	Waymo의 북동부 시장 진입에는 적설 ODD 확대 필요; 테슬라가 가벼운 눈 배치에서 가장 많은 운용 경험 보유
폭설·결빙	미배치: Waymo ODD 외부; 상업적 폭설 서비스에는 다년간 연구·검증 필요	무인 운전 아님: FSD가 폭설에서 해제; 차주 감독만; 근본적인 카메라 물리적 한계	미배치: Aurora의 현재 상업 회랑(TX)은 적설 회피	센서 모달리티에 관계없이 폭설과 결빙은 모든 시스템에서 가장 어려운 AV 과제; 2026년 중반 기준 어떤 주요 AV 기업도 폭설 무인 운전을 검증하지 못했음
종합 평가	전천후 배치 벤치마크는 피지컬 AI의 2026년 배치 현실에서 근본적인 비대칭을 드러낸다: 모든 주요 AV 시스템이 폭설과 결빙을 무인 운전 조건에서 제외한다. Waymo의 센서 퓨전(LIDAR+카메라+레이더)은 안개와 중비에서 테슬라의 카메라 중심 접근법보다 더 나은 악천후 강인성을 제공한다——그러나 두 시스템은 폭설과 결빙에서 동일한 미해결 한계를 공유한다. 선벨트 우선 배치 패턴은 단순한 상업·규제적 선택이 아니다——이는 오늘날 AV 기술이 상업 무인 서비스에 충분히 신뢰할 수 있게 작동하는 지역을 직접 반영한다. 추정 47%의 미국 인구가 적설 영향 기후(중서부, 북동부, 산악 서부)에 거주하며(추정값), 현재 모든 상업 무인 AV 서비스의 ODD 밖에 있다. 이것이 2026년 중반 기준 로보택시 서비스 총 가용 시장(TAM)에 대한 가장 큰 단일 제약이다.

출처: Waymo 안전·ODD 문서(waymo.com/safety); LIDAR 악천후 성능 연구, IEEE 지능형 교통 시스템 논문지(ieeexplore.ieee.org); 테슬라 FSD 악천후 문서(tesla.com/support/autopilot); NHTSA 자율주행 날씨 성능 기준(nhtsa.gov/vehicle-safety/automated-vehicles). (추정값)으로 표시된 모든 수치는 물리 원리, 공개 정보, 제3자 연구에 기반한 추정치이며, 독립적으로 검증되지 않았고 공식 데이터와 다를 수 있다.