LG이노텍, 부품만 팔지 않고 자율주행차를 직접 굴리는 이유

차량용 카메라나 라이다 센서를 만드는 부품 제조사가 완성차 기업이 아닌 자기 차량을 직접 도로에 내보내는 일은 자동차 업계에서 찾아보기 드문 현상입니다. 그런데 LG이노텍은 서울·인천·경기 지역 도로에 자율주행 데이터 수집용 차량을 직접 투입했습니다. 이 차들을 굴리는 목적은 특정 고객사의 요구 사항을 확인하기 위해서가 아닙니다. 실제 도로에서 마주치는 복잡한 변수들을 스스로 기록하고, 이를 바탕으로 센서와 소프트웨어의 궁합을 맞추기 위해서입니다.

자율주행 기술이 발전하면서 부품을 잘 만드는 것만으로는 부족해졌습니다. 카메라, 레이더, 라이다가 서로 다른 정보를 결합해 주변을 인식하는 과정이 정교해졌기 때문입니다. LG이노텍이 직접 도로에 나와 데이터를 수집하는 이유는 이 결합 과정이 이론적 계산이 아닌 실측 데이터에 의존하기 때문입니다. 현재 진행 중인 이 시도는 부품 공급업체가 단순히 사양서만 받아 납품하던 방식에서 벗어나, 시스템 전체의 성능을 검증하는 주체로 변화하고 있음을 보여줍니다.

자율주행차의 ‘눈’은 왜 여러 개인가

자율주행차가 앞길을 파악할 때 하나의 센서만으로는 한계가 명확합니다. 각 센서는 서로 다른 원리로 작동하며 고유한 장단점을 가지고 있기 때문에, 이를 함께 쓰는 ‘센서 퓨전(Sensor Fusion)’ 기술이 필수적입니다.

먼저 카메라는 사람의 눈처럼 사물의 모양, 차선, 신호등 색상을 구분하는 데 탁월합니다. 그러나 빛의 조건에 매우 민감합니다. 폭우가 내리거나 터널을 빠져나올 때의 강한 역광, 야간의 어두운 환경에서는 물체를 식별하지 못하거나 왜곡된 이미지를 전달할 수 있습니다.

레이더는 전파를 이용해 물체와의 거리와 속도를 측정합니다. 비나 안개 같은 날씨 영향이 적고 속도 감지에 강점이 있지만, 물체의 정확한 크기나 형태를 파악하는 능력은 카메라나 라이다보다 떨어집니다.

여기서 라이다(LiDAR, Light Detection and Ranging)의 역할이 중요합니다. 라이다는 사방으로 레이저 빛을 수십만 번 쏘아 보냅니다. 이 빛이 물체에 부딪혀 돌아오는 시간을 측정해 정밀한 3차원 좌표를 만들어냅니다. 즉, 라이다는 “저기에 물체가 있다”는 사실과 “그 물체가 얼마나 멀리, 얼마나 큰지”를 공간적으로 정의해줍니다.

세 센서는 서로의 약점을 보완합니다. 예를 들어, 비 오는 밤길 전방 30미터 지점에 검은색 세단이 서행한다고 가정해 봅시다. 카메라는 반사광을 잘못 계산해 차선을 인식하지 못하거나 차체 윤곽을 흐릿하게 처리할 수 있습니다. 이때 라이다가 제공한 3차원 공간 정보와 레이더가 측정한 속도 데이터를 결합하면, 어둡고 비 오는 환경에서도 그 검은색 세단이 차량임을 정확히 인지하고 충돌 위험을 계산할 수 있습니다.

LG이노텍은 이러한 카메라, 레이더, 라이다 3대 핵심 모듈을 모두 자체 기술로 공급할 수 있는 몇 안 되는 글로벌 제조사 중 하나라고 밝히고 있습니다. 하지만 각각의 센서가 제 역할을 다하더라도, 이를 하나로 묶어 판단하는 소프트웨어가 실제 도로 상황을 충분히 이해하지 못하면 자율주행은 불안정해집니다.

실제 도로에서 수집하는 ‘엣지 케이스’

2028년까지 데이터 수집용과 소프트웨어 개발용을 포함해 총 20대가량 규모로 플릿을 늘릴 계획입니다¹.

이 차량들이 가장 집중적으로 수집하는 것은 ‘엣지 케이스(Edge Case)’ 데이터입니다. 엣지 케이스란 시스템이 정상적으로 작동하기 어려운 예외적인 상황을 말합니다. LG이노텍은 다음과 같은 구체적인 상황을 주요 수집 대상으로 설정했습니다¹.

• 폭우 속 검은색 차량: 빛의 반사가 적은 검은색 차량이 비에 젖어 라이다 신호까지 약해질 때의 인식 데이터.
• 터널 출구 역광: 어두운 터널에서 갑자기 밝은 햇빛 아래로 나올 때 카메라가 일시적으로 앞을 못 보는 현상.
• 공사 현장의 불규칙 차선: 페인트로만 그려진 차선이 지워지거나 임시 표지가 어지럽게 깔린 구간.

이처럼 모인 실제 도로 데이터는 ‘디지털 트윈(Digital Twin)’ 환경으로 옮겨져 재현됩니다. 디지털 트윈은 실제 도로 환경을 가상 세계에 그대로 복제해 놓은 시뮬레이션입니다. LG이노텍은 실제 도로에서 수집한 혼란스러운 데이터를 가상 세계에서 반복 검증하며 센서의 인식 알고리즘을 정교하게 다듬습니다. 이는 이론적 모델이 아닌, 실제 노이즈가 낀 데이터로 시스템을 훈련하는 것이기 때문에 현장 적응력이 높아집니다¹.

플릿 내 소프트웨어 개발 차량은 두 가지 운영 방식으로 구분됩니다¹.

1. 오픈루프(Open Loop): 소프트웨어가 데이터를 분석하되 실제 차량 제어는 운전자가 수행하는 방식입니다.
2. 클로즈드루프(Closed Loop): 소프트웨어가 차량을 직접 제어해 실주행 검증에 활용하는 방식입니다. 센서 입력부터 차량 제어까지의 전 과정이 실제로 검증됩니다.

부품 제조사가 직접 차량을 굴려 데이터를 모으는 것은 업계에서 이례적인 일입니다. 일반적으로 부품사는 완성차 업체나 소프트웨어사가 제시한 사양서에 맞춰 부품을 납품하고, 통합 검증은 고객사나 전문 기업에서 담당하기 때문입니다¹. LG이노텍이 이 방식을 채택한 것은 센서 간 데이터 불일치를 직접 확인하고, 부품 단계에서부터 시스템 통합 오류를 줄이기 위함입니다.

하드웨어와 신호처리 알고리즘의 결합

LG이노텍은 데이터 수집과 병행하여 라이다 자체의 성능을 높이는 기술 협력도 진행했습니다. 2025년 7월, LG이노텍은 미국 라이다 전문 기업 ‘아에바(Aeva)’와 라이다 센서 생산 및 신호처리 협력을 공식화했습니다², ³.

아에바는 ‘FMCW(Frequency Modulated Continuous Wave, 주파수 변조 연속파)’ 방식의 4D 라이다 기술에 강점을 가진 기업입니다. 기존의 라이다가 빛의 왕복 시간으로 거리만 측정하던 것과 달리, FMCW 방식은 빛의 주파수 변화를 감지해 거리와 속도를 동시에 측정할 수 있습니다. 이를 통해 물체의 미세한 움직임까지 파악할 수 있어, 보행자의 걸음걸이 변화나 차량의 차선 이탈 움직임을 더 정교하게 분석할 수 있습니다², ³.

이 협력 구조는 명확한 분업을 따릅니다².

• 아에바: FMCW 라이다의 원천 기술과 AI 기반 신호처리 알고리즘을 제공합니다.
• LG이노텍: 이를 대량으로 제조하고, 고정밀 반도체 패키징 및 광학 모듈을 생산합니다.

즉, 하드웨어가 빛을 수집하는 물리적 역할을 담당하고, AI 알고리즘이 그 빛의 주파수 변화를 해석하는 역할을 나누어 맡는 것입니다. 이는 하드웨어와 소프트웨어가 결합된 ‘지능형 센서’를 구축하려는 시도입니다.

LG이노텍은 이러한 기술적 움직임을 배경으로 자동차 전자장비 분야에 집중하고 있습니다. 2024년 8월 발표 기준으로 최근 5년간 전장 부품 관련 특허를 3,500여 건 출원했으며, 전체 특허 중 전장 분야 비중을 40%까지 확대했습니다⁴. 또한 라이다 거리측정센서 분야의 국제 표준화 작업에서는 국가기술표준원이 선정한 LG이노텍 전문가들이 핵심 멤버로 참여하고 있습니다⁴. 부품 제조 역량을 넘어 글로벌 시장에서의 기술 표준 주도권까지 확보하려는 전략으로 풀이됩니다.

부품 공급자를 넘어 ‘시스템 설계자’로

민죤 LG이노텍 최고기술책임자(CTO)는 자율주행 솔루션 개발 추세를 다음과 같이 설명했습니다¹.

“자율주행 솔루션은 개별 센서의 성능 고도화에서 데이터를 기반으로 센서와 소프트웨어를 함께 최적화하는 방향으로 진화하고 있다.”

이 말은 LG이노텍의 현재 행보를 정확히 대변합니다. 렌즈나 모듈 하나를 잘 만들어 납품하던 ‘부품 공급자’에서, 실제 도로 데이터를 먹고 센서의 인식 능력을 스스로 조절하는 ‘시스템 최적화 주체’로 변화하고 있다는 뜻입니다.

휴머노이드 로봇이나 서비스 로봇 등 '피지컬 AI(Physical AI)' 시장에서도 복잡한 환경을 이해하기 위한 복합 센싱 기술은 필수적입니다¹.

결국 LG이노텍이 서울 도로에 내보낸 차량들은 특정 고객사를 위한 납품 시연 차량이 아닙니다. 센서와 소프트웨어가 만나 ‘눈’과 ‘뇌’로 기능하기 위해 필요한 데이터를 스스로 채집하고 검증하는 ‘내부 시험대’입니다. 부품 제조사가 직접 도로 위에서 데이터를 축적하며 시스템 통합력을 키워가는 이 과정은, 향후 글로벌 자율주행 부품 공급망에서 LG이노텍의 위치가 단순 제조를 넘어 설계와 검증 단계까지 확장되고 있음을 시사합니다.