2026-06-18 — views

피지컬 AI 내비게이션 2026: Waymo HD 지도 의존 vs Tesla 순수 비전 무지도 FSD 내비게이션 아키텍처 벤치마크

Waymo는 지도가 없는 도로에서는 운행할 수 없다. Tesla FSD는 지도 없이 카메라가 보이는 모든 도로를 주행한다. HD 지도 대 무지도 방식은 피지컬 AI의 가장 중요한 아키텍처 선택이다.

피지컬 AI 벤치마크 시리즈 제181편: 내비게이션 아키텍처의 분기점

피지컬 AI에서 가장 깊은 기술적 분기점 중 하나는 매핑 철학이다. Waymo는 고정밀 지도(HD Map)에 의존한다——운영 지역 내 모든 도로, 차선, 교통 신호, 연석의 상세한 3D 표현을 전용 매핑 차량으로 지속적으로 업데이트한다. Tesla의 FSD는 정반대 방향을 택한다: 사전 구축된 HD 지도를 전혀 사용하지 않고, 차량이 카메라 입력만으로 실시간으로 주변 환경을 재구성한다. 이것은 단순한 기술적 선택의 차이가 아니다. 확장 속도, 인프라 비용, 장기 확장성에 대해 심대한 영향을 미친다. Waymo는 매핑되지 않은 곳에서는 주행할 수 없다. Tesla는 카메라가 볼 수 있는 모든 도로에서 운행할 수 있다. 이 기사는 두 가지 내비게이션 철학을 피지컬 AI의 핵심 경쟁 변수로서 벤치마크 평가한다.

제1절: HD 지도란 무엇이며 왜 Waymo는 그것에 의존하는가

HD 지도는 차량의 운용 설계 도메인(ODD) 내 모든 도로, 차선 표시, 제한 속도, 교통 신호 위치, 연석, 건물 외관의 센티미터급 3D 표현이다. Waymo의 HD 지도는 LIDAR를 탑재한 전용 매핑 차량이 구축하며, 자율주행 차량이 승객을 태우기 전에 운영 지역의 모든 도로를 먼저 주행해야 한다.

HD 지도에 포함된 정보:

차선 기하학: 정확한 중심선, 차선 폭, 합류·분기점
교통 제어 장치 위치: 신호등 기둥 위치, 정지 표지판 위치
제한 속도 및 도로 표면 유형
건물 및 장애물 풋프린트
횡단보도 위치 및 보행자 통로 기하학

HD 지도가 Waymo 시스템에 중요한 이유: 자율주행 차량은 HD 지도를 사전 지식(prior)으로 사용한다. 현재 환경의 LIDAR 스캔이 저장된 지도와 일치할 때, 시스템은 자신의 위치와 주변 환경에 대해 매우 높은 확신을 갖는다. 이 지도 매칭 방식은 실시간 인식의 계산 부담을 줄인다——시스템은 매번 도로 기하학을 ‘발견’하는 대신 도로가 이미 알고 있는 상태와 일치함을 ‘확인’만 하면 된다. 지도 매칭은 또한 정밀 측위를 가능하게 한다: Waymo는 센티미터 정확도로 위치를 특정할 수 있으며, 이는 순수 카메라 시스템이 현재로서는 달성할 수 없는 수준이다.

지도 신선도와 지속적인 재매핑 작업: 지도는 항상 최신 상태로 유지되어야 한다. 도로 공사, 신규 교통 신호, 변경된 차선 표시, 임시 폐쇄는 모두 지도 업데이트를 필요로 한다. Waymo는 지속적인 재매핑 차량을 운영하며 변화를 감지하기 위해 운영 지역을 정기적으로 재주행한다. 고교통 지역의 추정 재매핑 간격: 수주마다(추정). 변화 감지부터 지도 업데이트, 차량 배포까지의 추정 지연: 수 시간에서 수 일(추정).

운영상의 결과: Waymo는 지도에 등록되지 않은 도로로 차량을 보낼 수 없다. 도로 구간이 공사 중이고 지도가 이전 레이아웃을 보여준다면, Waymo 차량은 올바르게 내비게이션하지 못할 수 있다. 그렇기 때문에 Waymo는 미매핑 또는 새로 변경된 구역에 보수적인 폴백 프로토콜을 사용한다——지도와 현실 간의 차이가 감지되면 차량은 속도를 줄이거나 원격 운영자 지원을 요청하고, 오래된 지도 데이터를 따라 계속 진행하지 않는다.

제2절: Tesla의 순수 비전 무지도 방식: 실시간 세계 재구성

Tesla의 FSD 아키텍처는 카메라만 사용한다——LIDAR도, HD 지도도 없다. 8대의 카메라가 360도 시야를 제공한다. 신경망이 실시간으로 카메라 입력을 처리하고 주행 환경을 재구성한다.

핵심 통찰: Tesla 시스템은 매번 현재 보이는 것에서 도로 기하학과 모든 도로 특징을 ‘발견’해야 하며, 확인할 사전 지도가 전혀 없다.

Tesla 방식의 작동 원리:

수십억 마일의 실제 주행 데이터로 훈련된 신경망을 사용하여 카메라 이미지에서 차선 감지
점유 공간 예측: 어디에 빈 공간이 있고 어디에 장애물이 있는지 예측
벡터 공간 표현: FSD가 시각적으로 감지한 차선, 에이전트, 교통 신호를 벡터 표현으로 세계를 인코딩

무지도 방식의 장점:

Tesla 카메라가 볼 수 있는 지구상 모든 도로 주행 가능——사전 구축된 지도 불필요
지도 유지보수 비용 없음
지도 진부화 위험 없음: 보이는 것이 항상 현재의 현실
차량 규모에 따라 글로벌로 확장; 모든 새 도로의 모든 Tesla가 훈련 데이터에 기여

단점:

더 높은 실시간 계산 부담: 확인할 지도 사전 지식 없이 비전만으로 도로 기하학을 추론해야 함
측위 정확도는 카메라 해상도에 제한됨; LIDAR와 지도 매칭의 센티미터급 정확도에는 미치지 못함
시각적 단서가 없거나 모호한 상황(저조도, 짙은 안개, 표시 없는 도로)에서 처리 어려움

규모에서의 Tesla 방식: Tesla 소비자 차량이 주행한 수십억의 감독 마일이 순수 비전 FSD를 가능하게 하는 훈련 데이터다. 시스템은 수천 가지 환경에 걸친 수백만 개의 실제 주행 사례에서 도로 기하학 패턴을 학습했다. 이것이 Tesla의 아키텍처 베팅에서 차량 규모가 그토록 중요한 이유다——무지도 방식은 기초 신경망이 극도로 다양한 실제 주행 데이터로 훈련되었을 때만 고품질로 작동한다.

제3절: 확장 경제학: 지리적 병목으로서의 HD 지도

차원	Waymo (HD 지도 필요)	Tesla (지도 불필요)	시사점
신규 도시 출시 전제 조건	첫 번째 차량이 운행하기 전에 ODD 내 모든 도로 매핑 필수; 매핑 캠페인: 매핑 차량 배포, 모든 도로 주행, LIDAR 데이터 처리, HD 지도 구축, 검증, AV 차량 배포	매핑 전제 조건 없음; FSD는 규제 승인 후 즉시 모든 도로에서 작동	Tesla는 이론적으로 규제 승인 당일 모든 도시에 진입 가능; Waymo는 수주에서 수개월의 매핑 준비가 필요
매핑 캠페인 기간(추정)	새 도시 ODD의 초기 범위 매핑에 추정 4-12주(추정); ODD가 클수록 매핑 캠페인 기간 증가	0주	Waymo의 매핑 요건으로 신규 도시 출시 일정이 1-3개월 추가(추정)
매핑 인프라 비용(추정)	매핑 차량(LIDAR 탑재, 대당 추정 $20만-$50만); 매핑 팀; LIDAR 데이터 처리 컴퓨팅; 지도 데이터베이스 저장 및 서비스; 지속적 재매핑 운영; 신규 도시당 초기 매핑 + 연간 재매핑 비용 추정 $200만-$1,000만 이상(추정)	매핑 인프라 비용 $0	이 비용은 Tesla의 신규 도시 출시 경제학에 완전히 존재하지 않음
지도 유지보수 비용(추정)	각 운영 지역을 수주마다 지속적으로 재매핑; 추정 재매핑 운영 $50만-$300만/도시/년(추정)	$0	이것은 Waymo 단위 경제학에서 지속적인 연간 비용이며 Tesla에는 상응하는 지출이 없음
지리적 커버리지 상한	매핑된 도로 수에 제한됨; Waymo의 ODD는 지도 커버리지와 정확히 일치; 커버리지 확장에는 재매핑 작업 재실행 필요	사실상 무제한; 감독 모드로 주행한 모든 Tesla가 훈련 데이터에 기여; FSD가 미매핑 도로를 주행하는 것은 당연한 일	Tesla의 서비스 가능 지역은 전 세계; Waymo는 매핑 작업 범위에 묶여 있음
지도 진부화 위험	실재함: 공사, 도로 변경, 새 표지판이 지도와 현실의 불일치를 만들 수 있음; Waymo는 지도 진부화를 감지하고 처리하는 프로토콜 보유(ROC 폴백)	없음: Tesla는 항상 현재의 현실을 봄	Waymo는 지도 유지보수 위험을 부담하지만 Tesla의 아키텍처는 구조적으로 이에 면역
도시 내 ODD 확장	ODD의 각 확장(새 지역, 새 도로 유형)에는 먼저 새 구역 매핑이 필요	ODD 확장은 규제 및 소프트웨어 문제이지 매핑 문제가 아님	Tesla의 ODD 확장은 규제 승인만에 제약됨; Waymo의 확장은 규제 승인과 매핑 모두에 제약됨

제4절: 기술적 트레이드오프: 정밀도 vs 확장성

트레이드오프	HD 지도 우위(Waymo)	무지도 우위(Tesla)	현재 판정
측위 정밀도	센티미터급: LIDAR 스캔과 HD 지도 매칭으로 2-5cm 위치 정확도	카메라 전용 측위: 추정 10-50cm 일반 정확도; 가시성 불량 시 더 저하	Waymo가 정밀도에서 우위; 좁은 차선 변경과 복잡한 교차로에서 가장 중요
계산 효율성	지도가 실시간 계산 부담 감소: 시스템이 발견하는 대신 확인; 마일당 계산 비용 낮음	지도 없음은 모든 프레임마다 완전한 장면 재구성 의미; 마일당 계산량 높음	Waymo의 지도가 계산 효율성 제공; Tesla는 FSD 칩 성능으로 보완
미지 환경 처리	불량: 미매핑 도로 = Waymo 운행 불가(ROC 폴백 또는 정차); 공사 = 지도가 오래되었을 가능성	양호: Tesla가 신선한 시각으로 미지 환경 처리; 공사 구역 = 카메라로 볼 수 있는 실시간 적응	Tesla가 미지 상황에서 우위; Waymo는 지도 경계에서 취약
야간 및 악천후	HD 지도 + LIDAR: LIDAR는 어둠, 안개, 가벼운 비에서도 작동; 카메라가 어려울 때도 지도가 기하학 확인	카메라 전용: 어둠, 안개, 폭우가 카메라 입력 품질을 크게 저하; LIDAR 백업 없음	Waymo가 악조건에서 우위; Tesla 카메라 전용은 비와 안개에서 불리
확장성	자동 확장 안 됨: 새 도로마다 매핑 필요	차량과 함께 확장: 모든 감독 Tesla 마일이 해당 도로의 FSD 개선	Tesla의 방식은 확장 가능; Waymo의 방식은 새 도로마다 선형 노력 필요
훈련 데이터 활용	Waymo의 무인 운행 마일이 지도 검증 데이터 생성; 더 작은 차량으로 FSD식 훈련 데이터가 적음	Tesla의 수십억 감독 마일이 바로 훈련 데이터	Tesla가 훈련 데이터 량에서 자릿수 차이로 우위

제5절: 내비게이션 아키텍처 벤치마크 스코어카드

차원	Waymo	Tesla	2028년 전망	우위
신규 도시 출시 속도	느림: 매핑 전제 조건이 수개월 추가	빠름: 규제 승인 = 즉시 운행 가능	Tesla(더 빠른 확장)	Tesla
인프라 비용	높음: 매핑 차량 + 처리 + 유지보수	낮음: 매핑 인프라 불필요	Waymo 비용 지속; Tesla는 제로에 가깝게 유지	Tesla
측위 정밀도	매우 높음(센티미터급)	높음(카메라 기반, 안전성에 충분)	양측 모두 개선 중	Waymo
악천후 성능	강함(LIDAR는 안개·어둠·비에서도 작동)	약함(가시성 악화 시 카메라 저하)	Tesla가 더 나은 카메라로 개선 중	Waymo
미지 환경 처리	약함(지도 경계 = 정차)	강함(실시간 비전 적응)	Waymo가 더 빈번한 재매핑 추가	Tesla
글로벌 확장성	매핑 작업에 제한	무제한(전 세계 모든 도로)	Tesla 차량 성장에 따라 격차 확대	Tesla
지도 유지보수 비용	지속적인 반복 비용(추정 $50만-$300만/도시/년)	제로	Tesla 영구 우위	Tesla

종합 판정: HD 지도 대 무지도 선택은 피지컬 AI에서 가장 중요한 아키텍처적 결정이라 할 수 있다. Waymo의 HD 지도는 오늘날 실질적으로 중요한 정밀도 우위를 제공한다——센티미터급 측위, 계산 효율성, 견고한 악천후 성능. 하지만 지도는 Waymo의 지리적 상한이기도 하다: 회사는 매핑한 곳에서만 운행할 수 있으며, 매핑은 비용이 많이 들고 느리며 지속적인 유지보수가 필요하다. Tesla의 순수 비전 무지도 방식은 고품질로 달성하기 어렵지만 지리적 상한이 없다. Tesla 차량 규모가 성장하고 FSD 품질이 향상됨에 따라 확장성 우위는 복리로 확대된다. 장기적인 궤도는 Tesla의 아키텍처에 유리하다——그러나 Waymo의 지도 기반 정밀도는 현재 운영 도시에서 실질적인 안전성 및 성능 우위로 남아 있다.

자료 출처: Waymo 매핑 및 측위 개요(waymo.com/research); Tesla FSD 순수 비전 아키텍처, Tesla AI Day 2021/2022(tesla.com/AI); HD 지도 시장 및 자율주행 매핑, HERE Technologies(here.com); LIDAR 대 카메라 비교, IEEE Spectrum(spectrum.ieee.org/autonomous-vehicles). (추정)으로 표시된 모든 수치는 공개 공시, 애널리스트 보고서, 업계 연구에 기반한 추정치이며 독립적으로 검증되지 않았으며 각 회사의 내부 데이터와 다를 수 있다.