웨이모가 애틀랜타에서 멈췄다: 자율주행차 '엣지 케이스' 신화의 균열

웨이모가 또 멈췄습니다. 이번엔 애틀랜타의 폭우 한복판이었는데요. 침수된 도로로 로보택시가 그대로 진입해 물에 잠기는 영상이 SNS에 퍼지면서, “AI가 인간보다 안전하게 운전한다"는 약속이 다시 도마 위에 올랐습니다. 자율주행의 마지막 1%, 이른바 엣지 케이스(edge case)가 왜 이렇게 끈질기게 발목을 잡는지 짚어보겠습니다.

무슨 일이 있었나

애틀랜타에 기록적인 폭우가 쏟아지면서 일부 도로가 침수됐습니다. 문제는 웨이모 로보택시 여러 대가 이 침수 구간으로 그대로 진입했다는 점인데요. 차량은 물웅덩이 한가운데서 멈춰 섰고, 일부는 바퀴 절반 이상이 물에 잠긴 상태로 견인을 기다려야 했습니다. 웨이모는 결국 애틀랜타 서비스를 일시 중단하고 원인 조사에 들어갔습니다.

사람 운전자라면 어떻게 했을까요. 물이 차오른 도로를 보면 대부분은 우회로를 찾거나 차를 돌렸을 겁니다. 하지만 자율주행 시스템에게 “물웅덩이"는 단순한 시각 정보일 뿐, 그 깊이나 위험도를 직관적으로 판단하기가 쉽지 않습니다. 물 표면이 카메라와 라이다(LiDAR) 센서를 동시에 교란한다는 점도 문제를 키웠습니다.

왜 하필 ‘물’이 문제인가

자율주행 센서 입장에서 물은 까다로운 적입니다. 라이다 빔은 물 표면에서 굴절되거나 흡수돼 정확한 거리 측정이 어렵고요. 카메라는 반사된 하늘과 가로등 불빛 때문에 도로 표면을 제대로 인식하지 못합니다. 레이더도 얕은 물웅덩이와 깊은 침수를 구분할 만큼 정밀하진 않습니다.

게다가 학습 데이터의 한계도 큽니다. 웨이모를 비롯한 자율주행 업체들은 수백만 마일을 주행하며 데이터를 쌓았지만, 폭우로 침수된 도로 사례는 상대적으로 희소합니다. 사람이라면 평생 한두 번 겪을까 말까 한 상황을 AI가 학습으로 익히기란 구조적으로 어렵습니다.

‘엣지 케이스’라는 영원한 숙제

자율주행 업계에서 엣지 케이스는 오래된 골칫거리입니다. 99%의 평범한 도로 상황은 잘 처리하지만, 나머지 1%의 예외 상황에서 무너지는 패턴이 반복돼 왔는데요. 공사 구간, 갓길에 서 있는 경찰차, 도로 위에 떨어진 가구, 그리고 이번 침수 도로까지. 하나를 해결하면 또 다른 예외가 튀어나옵니다.

업계 일각에서는 이를 두고 “롱테일의 함정”이라고 부릅니다. 흔한 케이스의 정확도를 99%에서 99.9%로 올리는 건 비교적 쉽지만, 마지막 0.1%를 끌어올리는 데는 그동안 들인 비용의 수십 배가 든다는 의미입니다. 더 무서운 건 이 0.1%가 바로 사람의 생명과 직결되는 순간이라는 점입니다.

신뢰는 한 번에 무너진다

웨이모는 그동안 “인간 운전자보다 사고율이 낮다"는 통계를 자주 인용해 왔습니다. 실제로 단순 충돌 건수만 보면 그 주장이 틀리지 않습니다. 다만 대중이 자율주행에 기대하는 건 평균적 안전이 아니라 “사람이라면 절대 하지 않을 실수를 하지 않는 것”인데요. 침수 도로로 그냥 들어가는 장면은, 통계가 아무리 좋아도 한 방에 신뢰를 깎아내립니다.

이번 사건이 시사하는 바는 분명합니다. 자율주행 상용화는 기술 성숙도뿐 아니라 “예측 불가능한 상황에서의 안전한 실패(safe failure)"를 어떻게 설계하느냐의 문제로 옮겨가고 있다는 것입니다. 진입을 멈추고, 원격 운영자에게 도움을 요청하고, 승객을 안전하게 내려주는 절차가 알고리즘만큼 중요해진 셈입니다.

마무리하며

웨이모의 애틀랜타 중단은 자율주행이 후퇴했다는 신호가 아니라, 진짜 어려운 문제에 부딪혔다는 신호에 가깝습니다. 기술이 99%에서 99.99%로 가는 길은 우리가 생각하는 것보다 훨씬 멉니다. 여러분은 폭우가 쏟아지는 날, 로보택시를 부르시겠습니까, 아니면 직접 운전대를 잡으시겠습니까? 그 답변이 자율주행 산업의 다음 5년을 결정할지도 모르겠습니다.