2026-06-18 👁️ — views

Physical AI 매핑과 측위——Waymo의 센티미터 정밀도 HD 맵 vs Tesla의 맵리스 FSD와 지리적 확장 격차

Waymo는 HD 맵으로 도시당 $1-5M(추정) 비용에 센티미터 정밀 측위 실현；Tesla FSD는 맵 없이 확장 비용 거의 제로지만 정밀도와 악천후 내성은 낮다.

Physical AI 벤치마크 시리즈 제137편 — Physical AI 매핑과 측위: Waymo의 HD 맵 의존 vs Tesla의 맵리스 FSD, 그리고 세계에서 가장 정밀한 도로 디지털 트윈 구축을 둘러싼 기술 경쟁

차량이 어디에 있는가——단순한 GPS 좌표가 아니라 센티미터 단위의 차선 수준 측위——는 자율주행차가 수행하는 모든 작업의 기반이다. 모든 궤적 계획, 안전 점검, 신호 상태 추론은 차량이 차선 표시, 연석, 정지선, 횡단보도 가장자리에 대해 정확히 어디에 있는지를 파악하는 데 의존한다. Waymo는 운영하는 모든 도로를 대상으로 한 독자적인 HD(고화질) 맵 데이터베이스를 유지하며 플리트에 의해 지속적으로 업데이트된다. Tesla의 FSD v12 이상은 사전 구축된 HD 맵 없이——카메라가 실시간으로 보는 것만으로 측위한다. 이 아키텍처 선택이 지리적 커버리지, 확장 비용, 도로 변화에 대한 탄력성, 그리고 궁극적으로 어느 회사가 ‘어디서나’ 갈 수 있는지 또는 ‘어디서나 가장 정밀한지’를 결정한다. 이것은 Physical AI 벤치마크 시리즈 제137편이다.

‘(추정)‘으로 표기된 모든 수치는 공개 공시, 연구 논문, 업계 분석가 추정 및 합리적 추론에서 도출된 것이며, 독립적으로 검증된 1차 데이터가 아니다.

섹션 1 — Waymo의 HD 매핑 접근법

Waymo의 측위 아키텍처는 매핑된 구역에서 10cm 미만의 정밀도(추정)로 차선 수준의 기하학적 구조, 교통 신호 위치, 속도 제한, 영구 장애물, 3D 건물 풋프린트, 고도 프로파일을 인코딩한 독자적인 HD 맵 위에 구축되어 있다. 이 맵은 내비게이션 도구가 아니다——센티미터 정밀 위치를 결정하기 위해 차량의 실시간 LiDAR 관측 데이터를 융합하는 기준 진값이다.

Waymo HD 맵 아키텍처에서 가장 중요한 설계 선택은 ‘플리트=매퍼’ 모델이다. 매핑된 경로를 주행하는 모든 Waymo 상업용 차량은 동시에 맵 센서이기도 하다——LiDAR 관측값을 저장된 맵과 비교하고, 차이를 감지하고, 처리 및 검증을 위한 맵 업데이트 후보를 업로드한다. 이는 Waymo의 맵 품질이 매핑된 도시에서의 플리트 주행 마일과 함께 향상되어 운영 풋프린트 내에서 자기 강화하는 정밀도 플라이휠을 생성한다는 의미다.

HD 맵 접근법의 아킬레스건은 지리적 한계다. 현재 위치의 맵 타일이 없는 Waymo 차량은 센티미터 정밀도로 측위할 수 없고 안전하게 드라이버리스 운영을 계속할 수 없다. 이것은 저하된 모드가 아니라——운영 경계다. Waymo는 단순히 매핑되지 않은 도시로 주행해 들어갈 수 없다. 전용 매핑 차량을 보내고, 데이터를 처리하고, 맵을 검증하고, 일반적으로 첫 상업 트립 전에 지역 규제 당국의 승인을 얻어야 한다. 이 과정은 도시당 최소 몇 달이 걸린다.

섹션 2 — Tesla의 맵리스 FSD 접근법

Tesla의 FSD v12 이상 버전은 사전 구축된 HD 도로 맵 없이 작동한다. 차량은 8대의 카메라의 실시간 관측만을 사용하여 수십억 마일(추정)의 훈련 데이터에서 학습한 신경 표현에 대해 매칭하여 실시간으로 측위한다. 새로운 도시에 들어가기 전에 맵 타일을 다운로드할 필요가 없고, 오프라인 처리 파이프라인도 없으며, 도시별 준비 단계도 없다.

Tesla의 맵리스 접근법은 단순히 자원 제약의 산물이 아니다——그것은 의도적인 아키텍처 베팅이다. 한 번도 훈련받은 적 없는 도시에서 카메라만으로 측위하고 탐색할 수 있을 만큼 견고한 시스템은 도시별 사전 계산이 필요한 시스템보다 더 범용적이며 궁극적으로 더 확장 가능하다는 주장이다. 플리트 데이터 플라이휠이 이를 강화한다: 600만 대 이상의 차량이 도로에서 지속적으로 영상을 생성하며 Tesla는 운영 지역 내에서 만나는 모든 도로 유형, 교차로 구성, 기상 조건에서 훈련 데이터를 축적한다.

악천후 한계가 가장 명확한 구조적 취약점이다. LiDAR 기반 측위를 HD 맵과 융합하면 어둠, 약간의 비, 적당한 눈 속에서도 거의 영향을 받지 않는다——LiDAR가 반환하는 반사 기하학적 형상은 주변 광과 무관하고 맵은 차량이 매칭하는 기준 진값을 제공한다. 카메라 기반 측위는 센서 가시성에 비례하여 저하된다. 강한 비, 차선 표시를 덮는 눈, 새벽과 황혼의 눈부심, 조명이 없는 농촌 도로의 야간 주행은 모두 FSD의 측위가 의존하는 시각 신호의 품질을 떨어뜨린다.

섹션 3 — Mobileye의 REM: 크라우드소싱 HD 맵이라는 대안

Waymo의 전용 플리트 HD 매핑과 Tesla의 맵리스 접근법 사이에 세 번째 모델이 존재한다: 크라우드소싱 HD 매핑이며, Mobileye의 Road Experience Management(REM) 시스템이 가장 완전한 대표 사례다.

REM의 핵심 통찰은 HD 맵 생성을 전용 활동이 아닌 기존 ADAS 양산 플리트의 정상 주행 부산물로 취급하면 맵 생성 비용이 거의 제로에 가까워진다는 것이다. Mobileye EyeQ 장착 차량이 파리나 라고스를 통과하면 추가 계측 장치나 비용 없이 자동으로 글로벌 HD 맵에 기여한다. 맵 업데이트 지연은 도로 구간의 교통 밀도에 따라 다르다——교통량이 많은 도심 핵심부는 거의 지속적으로 업데이트된다；교통량이 적은 농촌 도로는 REM 장착 차량이 우연히 통과할 때만 업데이트된다.

섹션 4 — 측위 벤치마크: 정밀도 vs 커버리지

AV 측위의 핵심 트레이드오프는 좋은 접근법과 나쁜 접근법 사이의 선택이 아니다——서로 다른 최적화 목표 사이의 선택이다. Waymo는 정의된 지리적 풋프린트 내에서 최고의 측위 정밀도를 최적화한다. Tesla는 충분한 측위 정밀도로 무한한 지리적 커버리지를 최적화한다. 어느 쪽도 엄밀하게 지배적이지 않다；어느 것이 더 중요한지는 배포 시나리오에 따라 다르다.

공사 구간 시나리오는 한쪽이 엄밀하게 우월한 것이 아니라 서로 다른 아키텍처가 어떻게 다르게 실패하는지 보여주기 때문에 더 자세히 살펴볼 가치가 있다. Waymo의 위험은 맵 노후화다——공사 구간이 차선 경계를 수정했지만 HD 맵이 아직 업데이트되지 않은 경우 차량은 오래된 차선 기하학에 측위하여 새로운 물리적 레이아웃과 충돌하는 궤적을 계획할 수 있다. Tesla의 위험은 시각적 복잡성이다——활발한 공사 구간에는 임시 신호, 모호한 차선 표시, 교통 정리 작업자, 카메라 추론 시스템을 훈련 분포의 경계로 밀어붙일 수 있는 이례적인 장애물이 있는 경우가 많다. 두 회사 모두 복잡한 공사 시나리오에 대해 운영 지원(원격 지원, 지오펜스)에 의존한다.

섹션 5 — 매핑과 측위 벤치마크 스코어카드

스코어카드는 Physical AI 벤치마크 시리즈의 다른 모든 차원에서의 더 넓은 Waymo vs Tesla 구도를 반영하는 근본적인 아키텍처 격차를 드러낸다. Waymo는 오늘날 안전 마진과 규제 신뢰에 가장 중요한 모든 지표에서 앞선다: 측위 정밀도, 악천후 탄력성, 그리고 운영 설계 도메인 내에서 예측 가능한 실패 모드. Tesla는 장기적인 상업 규모에 가장 중요한 모든 지표에서 앞선다: 지리적 도달, 확장 속도, 매핑 비용.

장기 확장 차원은 특히 강조할 가치가 있다. AV 배포가 궁극적으로 전 세계 수백 개 도시로 확장된다면——상업적 실행 가능성에는 이것이 필요하다——두 접근법 간의 매핑 비용 격차는 새로운 지리 구역마다 벌어진다. Waymo의 비용 모델은 도시 수에 대해 거의 선형이다: 각 새로운 도시는 경험과 함께 크게 감소하지 않는 캠페인 투자를 필요로 한다. Tesla의 비용 모델은 도시 수준 한계 비용이 거의 제로다: 유일한 증분 작업은 도로 복잡성과 무관한 고정 행정 비용인 지역 규제 승인을 받는 것이다.

Mobileye의 REM은 Waymo 스타일의 HD 맵 회사가 이 비용 격차를 대규모로 줄이는 가장 실행 가능한 경로를 나타낸다: 글로벌 ADAS 플리트가 정상 주행의 부산물로 HD 맵을 생성한다면 도시당 증분 매핑 비용은 Waymo의 전체 비용 매핑 캠페인이 아닌 Mobileye의 칩 마진으로 떨어진다. Waymo가 REM과 유사한 크라우드소싱 접근법을 채택하거나 라이선스하는지, 아니면 로보택시 플리트 밀도를 통해 자체 동등 방법을 개발하는지는 향후 5년간 가장 결정적인 운영 선택 중 하나가 될 것이다.

측위 문제는 궁극적으로 어떤 제약이 더 빨리 완화되는지에 대한 베팅으로 귀결된다: Tesla의 카메라 기반 시스템이 신경망 개선과 센서 다양화를 통해 악조건에서 센티미터 정밀도에 근접할 수 있는가? 아니면 Waymo의 HD 맵 커버리지가——크라우드소싱이나 로보택시 밀도를 통해——Tesla의 정밀도가 따라잡기 전에 Tesla의 지리적 커버리지에 필적할 만큼 확장될 수 있는가? 두 경로 모두 실행 가능하며；어느 것도 보장되지 않는다. Physical AI 벤치마크의 매핑과 측위 차원은 이 분야에서 가장 중요하면서도 가장 미해결된 문제 중 하나로 남아 있다.

참고: ‘(추정)‘으로 표기된 모든 수치는 2026년 중반 기준 공개 공시, 연구 논문, 분석가 추정, 업계 보고서에서 도출된 것이다. 이 글은 투자 조언을 구성하지 않는다.

출처

• Waymo HD 매핑과 측위 — Waymo 리서치 ↗
• Mobileye REM 크라우드소싱 매핑 — Mobileye ↗
• Tesla FSD 맵리스 접근법 — Tesla AI Day ↗
• HD 맵 기술 개요 — HERE Technologies ↗
• AV 측위 기술 서베이 — IEEE 지능형 교통 시스템 ↗

태그