20일. 오토노머스에이투지(Autonomous a2z)가 도쿄에서 열린 ‘X Taxi 자율주행 세미나’에 참여해 레벨4(L4) 로보택시 상용화 전략을 발표한 날이다. 이는 단순한 기술 전시를 넘어, 고령화로 인한 운수 인력 부족이라는 일본의 사회적 페인 포인트를 정조준한 실전 배치 선언과 같다. 그런데 주목할 점은 이번 발표가 단순한 계획 공유가 아니라, 이미 도쿠시마현에서 진행된 실증 운영 결과라는 구체적인 데이터에 기반하고 있다는 사실이다.

이번 세미나는 일본 택시업계의 디지털 전환(DX)을 위해 설립된 사단법인 X Taxi가 주최했으며, 일본 국토교통성을 비롯해 메이모빌리티, 디디, 포니.AI 등 글로벌 모빌리티 기업 관계자 100여 명이 집결했다. 에이투지는 이 자리에서 ‘AV Taxi Service in Japan’을 주제로 L4 로보택시의 상용화 가능성을 역설했다. 특히 지난 2~3월 도쿠시마현 나루토시에서 수행한 실증 운영 데이터는 승객과 현지 사업자 모두에게서 높은 만족도를 끌어냈다는 점이 확인되었다. 반면, 글로벌 시장의 경쟁은 더욱 치열해지고 있다. 에이투지는 한국과 싱가포르, 일본, UAE를 잇는 글로벌 거점 전략을 통해 기술적 우위를 점하겠다는 계산이다.

5월 20일 도쿄 세미나와 'ROii'의 공개

5월 20일 도쿄 TKP 가든시티 프리미엄 시나가와 다카나와구치에서 'X Taxi(크로스 택시, 일본 택시업계의 디지털 전환 및 미래 모빌리티 대응을 위해 설립된 사단법인) 자율주행 세미나'가 개최됐다. 이번 세미나에는 일본 국토교통성을 비롯해 메이모빌리티, 디디, 포니.AI 등 글로벌 모빌리티 기업과 택시업계 관계자 100여 명이 참석해 자율주행의 사회 구현과 상용화 방향성을 논의했다. 에이투지는 'AV Taxi Service in Japan'이라는 주제로 레벨4(L4, 특정 조건 하에서 시스템이 모든 운전 기능을 수행하는 자율주행 단계) 로보택시 상용화를 위한 기술과 사업 전략을 발표했다. 주목할 점은 단순한 기술적 가능성을 언급하는 수준을 넘어 일본 시장의 특수성을 반영한 구체적인 사업 진입 경로와 글로벌 사업 현황을 데이터 기반으로 제시했다는 사실이다.

발표의 실질적인 근거는 지난 2월부터 3월까지 도쿠시마현 나루토시에서 진행한 로보택시 실증 운영 결과였다. 에이투지는 해당 기간 동안 실제 도로에서 운영하며 확보한 데이터를 통해 승객과 현지 사업자 모두가 높은 만족도를 보였다는 점을 공유했다. 반면 많은 자율주행 기업들이 통제된 환경에서의 테스트 수치나 시뮬레이션 결과에 의존하는 것과 대조적으로, 에이투지는 실제 일본 현지 공공도로에서의 운영 성과를 전면에 내세웠다. 이러한 실증 데이터는 향후 차량 투입 지역을 확대하고 서비스 영역을 구체화하는 과정에서 핵심적인 판단 지표로 활용된다.

세미나 개최에 앞서 13일부터 15일까지 도쿄 빅사이트에서 열린 '自治体·公共Week 2026(지자체·공공 위크)' 참가 행보 역시 전략적이다. 일본 총무성이 후원하고 전국의 지자체 및 공공기관 관계자들이 참석하는 이 전시회는 스마트시티와 지역 인프라 분야의 최신 기술을 다루는 현지 최대 규모의 산업 행사다. 에이투지는 파트너사인 종합상사 가네마츠(Kanematsu)와 함께 부스를 운영하며 자체 개발한 레벨4 완전 자율주행 차량 'ROii(로이)'의 모형과 글로벌 시장에서의 실증 영상을 공개했다. 그러나 이는 단순한 제품 전시가 아니라 도쿠시마현의 실증 사례를 중심으로 실제 운영 데이터를 공유하며 공공 부문 관계자들과 협력 확대를 논의하기 위한 실무적 접점이었다.

기술적 세부 사항에서는 멀티 센서 융합 기반의 자율주행 기술과 E2E(End-to-End, 센서 입력부터 제어 출력까지 하나의 신경망으로 처리하는 구조)를 토대로 한 차세대 자율주행 아키텍처가 강조됐다. 여기에 원격 관제 및 제어 기술을 결합해 로보택시 상용화에 필수적인 안전성과 운영 효율성을 확보하는 전략을 구체화했다. 주목할 점은 일본의 고령화와 운수 인력 부족이라는 사회적 문제를 해결하기 위해 L4 기술의 수요가 빠르게 확대되고 있다는 시장 분석이다. 에이투지는 한국, 싱가포르, UAE 등 글로벌 거점에서 확보한 공공도로 실증 경험과 기술력을 바탕으로 일본 현지 파트너들과의 협력을 통해 상용화 시점을 앞당기는 전략을 취하고 있다.

멀티 센서 융합과 E2E 아키텍처의 구현

L4(레벨 4, 특정 조건 하의 완전 자율주행) 상용화의 기술적 분기점은 센서 데이터의 통합 방식에서 결정된다. 에이투지는 단일 센서의 물리적 한계를 상쇄하기 위해 멀티 센서 융합(Multi-sensor Fusion, 여러 종류의 센서 데이터를 결합해 정확도를 높이는 기술) 기술을 적용했다. 카메라가 제공하는 고해상도 시각 정보와 라이다(LiDAR, 빛을 이용한 거리 측정 센서)의 정밀한 3차원 공간 데이터, 그리고 레이더(Radar, 전파를 이용한 물체 감지 센서)의 상대 속도 정보를 실시간으로 결합하는 구조다. 그러나 단순히 데이터를 병렬로 나열하는 것이 아니라, 기상 조건이나 도로 환경에 따라 각 센서의 신뢰도 가중치를 동적으로 조정하는 프로세스를 거친다. 이는 센서 하나가 오작동하거나 환경적 제약으로 인해 데이터 품질이 저하되어도 전체 시스템의 인지 능력을 유지하기 위한 설계다.

인지 단계에서 정제된 데이터는 E2E(End-to-End, 입력부터 출력까지 하나의 신경망으로 처리하는 방식) 토대의 차세대 아키텍처로 전달된다. 기존 자율주행 시스템이 인지, 판단, 제어라는 개별 모듈을 순차적으로 거치는 파이프라인 방식이었다면, E2E 구조는 센서의 원시 데이터가 하나의 거대한 신경망을 통해 직접 제어 값으로 변환된다. 반면 이러한 통합 구조는 모듈 간 데이터 전송 과정에서 발생하는 지연 시간과 정보 손실을 획기적으로 줄인다. 주목할 점은 복잡한 도심 환경에서 발생하는 수많은 변수를 사람이 일일이 규칙으로 정의하지 않고, AI가 데이터로부터 직접 최적의 주행 경로와 제어 값을 학습한다는 점이다. 이는 정형화되지 않은 도로 상황에서도 유연한 대응을 가능케 하는 핵심 기제다.

시스템의 최종 안전망으로는 원격 관제 및 제어 기술이 배치된다. AI 모델이 학습하지 못한 엣지 케이스(Edge Case, 발생 빈도가 매우 낮은 예외 상황)가 발생할 경우, 원격 관제 센터의 운영자가 실시간으로 차량의 상태를 모니터링하고 제어권을 행사하여 운영 안정성을 확보한다. 그러나 여기서 끝나는 것이 아니라, 원격 제어가 발생한 시점의 모든 센서 데이터와 제어 이력은 즉시 데이터셋으로 저장된다. 이렇게 수집된 데이터는 다시 E2E 모델의 재학습 과정에 투입되어 동일한 상황에서의 자율 대응 능력을 높이는 데이터 기반 제어 루프를 형성한다. 누적 97만km 이상의 주행 데이터는 이 루프의 반복 횟수를 늘려 모델의 일반화 성능을 극대화하는 토대가 된다.

가이드하우스 세계 7위와 97만km의 데이터 격차

가이드하우스(Guidehouse, 글로벌 시장조사 기관)가 발표한 자율주행 리더보드에서 에이투지는 세계 7위를 기록했다. 단순히 순위라는 상징적 수치보다 주목할 점은 이 결과의 근거가 되는 데이터의 양과 질이다. 에이투지는 한국과 싱가포르, 그리고 일본의 공공도로에서 누적 97만km 이상의 주행 데이터를 확보했다. 자율주행 모델의 성능은 학습 데이터의 다양성에 비례한다. 반면 단일 국가나 폐쇄된 테스트베드에서만 데이터를 수집한 모델은 실제 도로의 변수를 처리하는 데 한계가 명확하다. 97만km라는 수치는 단순한 거리의 합산이 아니라 서로 다른 교통 법규와 도로 환경을 가진 3개국에서의 실전 데이터가 누적되었음을 의미한다. 이는 모델이 학습해야 할 환경적 변수의 외연을 확장한 결과다.

글로벌 시장에서의 제도적 진입 장벽을 넘은 사례는 데이터 경쟁력을 뒷받침한다. 에이투지는 국내 기업 최초로 싱가포르 자율주행 면허를 취득했다. 싱가포르는 자율주행 규제가 엄격하고 검증 절차가 까다로운 시장으로 알려져 있다. 그러나 에이투지는 이 장벽을 통과하며 기술적 신뢰성을 입증했다. 반면 많은 기업이 실증 단계에 머무는 것과 달리, UAE(아랍에미리트)에서는 자율주행 수출 승인을 획득하며 상용화 단계로 진입했다. 이는 단순한 기술 시연을 넘어 실제 수출이 가능한 수준의 제품 경쟁력을 갖췄다는 팩트로 해석된다. 국가별로 상이한 인증 체계를 통과했다는 점은 기술의 범용성이 확보되었음을 시사한다.

자율주행의 핵심은 엣지 케이스(Edge Case, 발생 빈도는 낮으나 치명적인 예외 상황)를 얼마나 많이 경험했느냐에 달려 있다. 한국의 복잡한 도심, 싱가포르의 정교한 도로 체계, 일본의 보수적인 교통 환경을 모두 경험한 97만km의 데이터는 모델의 일반화 성능을 높이는 핵심 자산이다. 주목할 점은 이러한 데이터가 가상 시뮬레이션이 아닌 실제 공공도로에서 추출되었다는 사실이다. 시뮬레이션 데이터는 효율적이지만 실제 물리 세계의 노이즈를 완벽히 재현하지 못하는 한계가 있다. 반면 공공도로 데이터는 예측 불가능한 보행자의 움직임과 기상 변화 등 실제 변수를 그대로 포함한다. 글로벌 리더보드 7위라는 수치는 결국 이러한 실전 데이터의 양적, 질적 우위가 반영된 결과이며, 이는 단순한 벤치마크 점수 이상의 실질적인 주행 안정성으로 연결된다.

운수 인력 부족 해결과 글로벌 거점 확장 영향

일본 도쿠시마현 나루토시에서 진행된 로보택시 실증 운영은 승객과 현지 사업자의 높은 만족도를 기록하며 종료되었다. 이는 단순히 기술적 가능성을 확인한 수준을 넘어 실제 수요처의 요구사항을 확인한 결과다. 일본 사회는 고령화로 인한 운수 인력 부족이라는 구조적 결핍 상태에 직면해 있다. 반면 자율주행 기술의 도입은 이러한 인력 공백을 메울 수 있는 유일한 대안으로 평가받는다. 에이투지는 이 지점에서 사회적 문제 해결과 시장 확장을 동시에 꾀하는 전략을 취하고 있다.

실증 사례를 통해 확인된 운영 데이터는 차량 투입 지역과 서비스 영역의 확대로 이어진다. 특정 지역의 성공 사례를 기반으로 인접 지역이나 유사한 환경의 도시로 서비스 범위를 넓히는 방식이다. 그러나 단순한 지역 확장은 현지 규제와 인프라의 벽에 부딪힐 가능성이 크다. 주목할 점은 에이투지가 일본의 종합상사인 가네마츠(Kanematsu)와 전략적 협력 체계를 구축했다는 사실이다. 가네마츠는 일본 내 광범위한 네트워크와 행정적 접점을 보유한 파트너로서 상용화 속도를 가속하는 촉매제 역할을 수행하며 시장 진입 장벽을 낮춘다.

특히 지자체 및 공공기관 관계자들이 대거 참석하는 지자체·공공 위크 2026(自治体·公共Week 2026) 참여는 공공 부문의 수요를 직접 공략하겠다는 의도로 풀이된다. 자체 개발한 레벨4(L4, 운전자의 개입 없이 시스템이 주행을 제어하는 단계) 완전 자율주행 차량인 ROii(로이)의 모형과 실증 영상을 선보이며 상업적 가능성을 구체적으로 제시했다. 공공도로에서의 실증 경험은 단순한 기술 테스트가 아니라 상업적 서비스로 전환하기 위한 필수적인 데이터 확보 과정이다. 이는 민간 시장 진입 전 공공 인프라를 통해 시스템의 신뢰성과 안전성을 검증받는 전략적 경로로 작동한다.

글로벌 거점 확장 전략 또한 동일한 맥락에서 움직인다. 한국과 싱가포르, 일본 공공도로에서 확보한 누적 97만km 이상의 자율주행 데이터는 모델의 범용성을 증명하는 수치다. 반면 각 국가의 도로 환경과 법규는 상이하므로 현지화된 데이터의 축적이 필수적이다. 에이투지는 일본에서의 실증 경험을 UAE 등 다른 글로벌 거점으로 전이시켜 사업적 임팩트를 극대화하려는 설계를 가지고 있다. 결과적으로 공공도로 실증이라는 기술적 성취를 상용 서비스라는 경제적 가치로 전환하는 단계에 진입한 것으로 분석된다.

광주 실증 사업 선정과 한국 AI 실무자의 시사점

국토교통부가 주관하는 광주 대규모 자율주행 실증 사업의 참여사로 에이투지가 선정된 것은 단순한 프로젝트 수주 이상의 의미를 지닌다. 그간 싱가포르, 일본, UAE 등 해외 공공도로에서 축적한 레벨4 수준의 실증 데이터가 국내 공공 인프라에 직접 투입되는 구조가 완성되었기 때문이다. 국내 실무자들에게 이번 선정은 해외에서 검증된 기술 아키텍처가 한국의 복잡한 도심 환경에서 어떻게 재현되고 최적화되는지를 확인할 수 있는 중요한 기술적 변곡점이 될 것으로 보인다. 특히 글로벌 표준에 맞춰 고도화된 멀티 센서 융합 기술과 원격 관제 시스템이 국내 환경에 이식될 때 발생하는 데이터 격차를 줄이는 것이 핵심 과제다.

글로벌 시장에서 얻은 기술적 경험은 국내 자율주행 산업의 고도화를 앞당기는 역수입 효과를 낳고 있다. 해외의 엄격한 규제 환경과 다양한 도로 상황에서 확보한 누적 97만km 이상의 데이터는 국내 실증 사업의 시행착오를 획기적으로 단축하는 자산으로 활용된다. 이는 한국의 AI 실무자들이 단순히 국내 데이터에만 의존하던 기존의 관성에서 벗어나, 글로벌 표준을 준수하는 알고리즘을 국내 공공 인프라에 적용하는 선순환 구조를 구축했음을 시사한다. 특히 E2E(End-to-End, 데이터 입력부터 출력까지 인공지능이 직접 제어하는 방식) 기반의 차세대 아키텍처가 광주 실증 현장에 적용됨에 따라, 국내 자율주행 소프트웨어의 신뢰성 검증 기준 또한 한 단계 상향될 것으로 예측된다.

기술적 측면에서 주목할 점은 해외에서 검증된 로보택시 운용 노하우가 국내 교통 체계와 결합하는 방식이다. 일본 도쿠시마현 등에서 수행한 실증 사례는 승객 만족도와 운영 효율성이라는 두 가지 지표를 동시에 만족해야 하는 난제를 안고 있었다. 이러한 경험은 광주 실증 사업에서 요구되는 공공 모빌리티 서비스의 품질을 결정짓는 핵심 데이터로 작용할 것이다. 국내 실무자들은 이제 글로벌 시장에서 입증된 레벨4 기술력을 한국의 도로 인프라에 맞게 재설계하는 과정에서 발생하는 기술적 병목 현상을 해결하는 데 집중해야 한다. 이는 국내 자율주행 기업들이 글로벌 시장에서 경쟁력을 유지하는 동시에, 국내 공공 부문의 기술적 자립도를 높이는 실질적인 교두보가 될 것이다.

결국 이번 광주 실증 사업은 국내외 데이터의 통합적 활용이 자율주행 산업의 생태계를 어떻게 변화시키는지를 보여주는 시험대가 될 전망이다. 해외에서 검증된 기술이 국내에 도입되고, 다시 국내 실증을 통해 정제된 데이터가 글로벌 표준으로 회귀하는 순환 고리는 한국 AI 산업이 나아가야 할 방향성을 제시한다. 실무자들은 이제 개별 알고리즘의 성능 향상을 넘어, 다양한 글로벌 환경에서 수집된 데이터를 한국의 인프라와 결합하여 어떤 새로운 모빌리티 서비스를 창출할 것인가라는 질문에 답해야 한다. 이러한 기술적 통합은 한국 자율주행 산업이 글로벌 시장에서 단순한 기술 공급자를 넘어 표준을 선도하는 주체로 도약하는 기반이 될 것이다.