Pautonomous driving insight

산업 Atlas · 자동차·Mobility · 03

자율주행·ADAS 직무 완전 인사이트

인지→판단→제어→안전까지 — 자율주행 기술 스택을 직무 단위로 완전 분해하고 커리어 로드맵을 제시합니다.

🤖 핵심 기술 인지·판단·제어·안전 📋 직무 수 8개 핵심 직무 읽기 약 11분

자율주행은 단순한 자동차 기술이 아닙니다. 컴퓨터비전·딥러닝·센서융합·제어공학·기능안전·고정밀 지도·클라우드가 하나의 시스템으로 통합되는 역대 가장 복잡한 기술 융합입니다. 글로벌 자율주행 시장은 2030년까지 수백 조 원 규모로 성장할 것으로 전망되며, 이 분야의 엔지니어는 현재 전 세계적으로 극심한 공급 부족 상태입니다.

자율주행 기술은 SAE 레벨 0~5로 구분됩니다. 현재 양산차에 탑재된 기술은 주로 L2+(고급 ADAS) 수준이며, 완전 자율주행(L4~L5)은 특정 구역·조건에서 제한적으로 서비스되고 있습니다. 국내에서는 현대차·카카오모빌리티·42dot 등이 L4 기술을 개발 중이며, 관련 인재 수요가 폭증하고 있습니다.

L0~L5
SAE 자율주행 레벨
수백조
2030년 글로벌 시장 규모
5개
핵심 기술 레이어
극심
전 세계 인재 공급 부족

자율주행 시스템은 '보고 → 이해하고 → 판단하고 → 움직이는' 5개의 기술 레이어로 구성됩니다. 각 레이어는 독립적인 직무 영역이며, 동시에 서로 긴밀하게 연결되어 있습니다. 자신이 어느 레이어에 관심이 있는지 파악하는 것이 자율주행 커리어의 첫 번째 질문입니다.

🤖 자율주행 기술 스택 (상위→하위)
감지
(Sensing)
카메라 LiDAR Radar 초음파 GPS/IMU
인지
(Perception)
객체 인식 차선 검출 센서 퓨전 3D 복원
판단
(Planning)
경로 계획 행동 계획 HD Map 예측 모델
제어
(Control)
조향 제어 속도 제어 차량 동역학 액추에이터
안전
(Safety)
기능안전(ISO 26262) SOTIF 사이버보안 V&V

인지(Perception)는 센서로부터 받은 원시 데이터를 '의미 있는 정보'로 변환하는 과정입니다. '저기 사람이 있다', '앞차가 시속 60km로 달리고 있다'는 판단이 인지 레이어에서 만들어집니다. 딥러닝·컴퓨터비전이 핵심 기술이며, 자율주행 엔지니어링에서 가장 활발히 연구가 진행되는 영역입니다.

👁️
인지(Perception) 엔지니어
Perception Engineering
카메라·LiDAR·Radar 데이터를 딥러닝 모델로 처리해 차량·보행자·신호등·차선을 실시간 인식하는 직무입니다. 3D Object Detection, Semantic Segmentation, Multi-Object Tracking 알고리즘을 개발하며, PyTorch·TensorFlow 기반 모델 개발과 엣지 디바이스 최적화(TensorRT)가 핵심 역량입니다.

#3D ObjectDetection #딥러닝 #TensorRT
🔭
센서 퓨전 엔지니어
Sensor Fusion Engineering
카메라·LiDAR·Radar·GPS 등 서로 다른 센서의 데이터를 하나의 일관된 세계 모델로 통합하는 직무입니다. 각 센서의 장단점을 보완하며, Kalman Filter·Particle Filter·딥러닝 기반 퓨전 알고리즘을 개발합니다. 센서 퓨전의 정확도가 자율주행 전체 성능의 기반이 됩니다.

#센서퓨전 #KalmanFilter #LiDAR

Planning은 인지 결과를 바탕으로 '어디로, 어떻게 달릴지'를 결정하는 레이어입니다. 목적지까지의 경로를 계획하는 Global Planning, 차선 변경·추월을 결정하는 Behavioral Planning, 매 순간의 가속·감속·조향을 계산하는 Local Planning의 세 단계로 나뉩니다.

🗺️
경로 계획(Motion Planning) 엔지니어
Motion Planning Engineering
안전 제약 조건 하에서 최적의 주행 경로와 행동을 실시간으로 계획하는 직무입니다. A*·RRT·MPC 등 다양한 경로계획 알고리즘을 개발하며, '보행자가 갑자기 뛰어들었을 때 어떻게 반응할지'와 같은 예외 상황 처리가 핵심 과제입니다. 수학적 최적화와 실시간 제약 조건 처리 역량이 필수입니다.

#MotionPlanning #MPC #최적화이론
🌐
HD Map·측위 엔지니어
HD Map & Localization
자율주행에 필요한 센티미터급 정밀 지도(HD Map)를 구축하고, 차량의 정확한 위치를 실시간 추정(Localization)하는 직무입니다. LiDAR 포인트 클라우드를 이용한 SLAM 기술, GPS+IMU+HD Map 융합 측위가 핵심입니다. 지도 데이터 관리·업데이트 파이프라인 구축도 중요한 업무입니다.

#HDMap #SLAM #Localization

Control은 Planning이 계산한 궤적을 실제 차량의 조향·가속·제동 명령으로 변환하는 레이어입니다. 차량 동역학 모델을 정확히 이해하고, 노면 상태·차량 상태 변화에도 안정적으로 추종하는 제어기를 설계해야 합니다. 자동제어공학·차량 동역학 전공 배경이 강점입니다.

🎮
차량 제어 시스템 엔지니어
Vehicle Control Systems
자율주행 명령을 조향·가속·제동 액추에이터 제어 신호로 변환하는 직무입니다. PID·LQR·MPC 등 제어 알고리즘을 차량 동역학 특성에 맞게 튜닝하며, 급제동·급선회 같은 극단적 상황에서도 안정성을 보장해야 합니다. MATLAB·Simulink를 이용한 모델 기반 설계와 HIL 테스트가 핵심 업무입니다.

#차량제어 #MPC/LQR #HIL테스트

자율주행에서 안전은 타협의 여지가 없습니다. ISO 26262(기능안전)ISO/PAS 21448(SOTIF)는 자율주행 시스템이 준수해야 할 핵심 안전 표준입니다. 안전 직무는 자율주행 시스템 전체를 감시하고, 어떤 상황에서도 안전한 상태로 전환되도록 보장하는 역할을 합니다.

🛡️
기능안전(Functional Safety) 엔지니어
Functional Safety Engineering
ISO 26262 표준을 기반으로 자율주행 시스템의 안전 요구사항을 정의하고 검증하는 직무입니다. HARA(위험 분석·리스크 평가), ASIL 등급 결정, 안전 목표 설정, FMEA/FTA 분석을 수행합니다. 기술적 깊이와 문서화 역량이 동시에 필요하며, 자동차 부품 인증의 필수 관문을 담당합니다.

#ISO26262 #HARA/ASIL #FMEA/FTA
🔬
자율주행 검증(V&V) 엔지니어
Autonomous Vehicle Validation
자율주행 시스템이 요구사항을 모두 만족하는지 체계적으로 검증하는 직무입니다. 시뮬레이션(CARLA·LGSVL)·클로즈드 트랙·공개 도로 테스트를 통해 엣지케이스를 탐색하고 버그를 찾습니다. '수십억 km를 주행해도 안전한가'를 증명하는 것이 이 직무의 궁극적 목표입니다.

#자율주행V&V #시뮬레이션 #SOTIF

자율주행 AI는 방대한 데이터로 학습됩니다. Tesla는 수백만 대의 차량에서 실시간으로 데이터를 수집하며, Waymo는 수십억 마일의 시뮬레이션 데이터를 활용합니다. 데이터 파이프라인·어노테이션·시뮬레이션은 자율주행 개발의 숨겨진 핵심 직무입니다.

💾
자율주행 데이터 엔지니어
AV Data Engineering
수십 TB에 달하는 자율주행 센서 데이터를 수집·저장·정제·관리하는 파이프라인을 구축하는 직무입니다. 학습에 필요한 엣지케이스 데이터를 마이닝하고, 데이터 품질을 관리하며, 어노테이션 작업을 총괄합니다. 대규모 분산 처리(Spark·Ray)와 클라우드 스토리지 활용 역량이 핵심입니다.

#AV데이터 #데이터파이프라인 #어노테이션
🌐
자율주행 시뮬레이션 엔지니어
AV Simulation Engineering
실도로 대신 가상 환경에서 자율주행 시스템을 테스트·검증하는 직무입니다. CARLA·LGSVL·CarMaker 등 시뮬레이터를 활용하고, 현실과 가상의 차이(Sim-to-Real Gap)를 줄이는 것이 핵심 과제입니다. 시나리오 생성 자동화와 사고 재현 시뮬레이션을 통해 실도로 테스트를 보완합니다.

#AV시뮬레이션 #CARLA #Sim2Real

진입 전략: 자율주행은 AI·제어·안전 모두 깊은 전문성이 필요하지만, 데이터 엔지니어·시뮬레이션은 상대적으로 진입 장벽이 낮습니다. 소프트웨어 역량을 갖춘 엔지니어가 자율주행 산업에 처음 진입하기에 좋은 포지션입니다.

자율주행 직무는 AI·제어·안전의 세 가지 트랙으로 나뉩니다. 각 트랙은 초반 전문성 구축 이후 점차 시스템 전체를 조망하는 방향으로 확장됩니다.

🤖 AI·인지 트랙
0~3년
딥러닝
모델 개발
3~7년
인지 시스템
아키텍처
7~12년
AI Research
Lead
12년+
Chief AI
Scientist
🛡️ 기능안전·시스템 트랙
0~3년
안전 분석
HARA/FMEA
3~7년
시스템 안전
아키텍처
7~12년
Safety Case
총괄
12년+
Chief Safety
Officer

📌 이직 기회: 자율주행 경력자는 완성차·부품사(Bosch·Mobileye)·테크 기업(Waymo·Cruise)·국내 스타트업(42dot·카카오모빌리티) 모두에서 수요가 높습니다. 특히 ISO 26262 + AI 기술을 동시에 갖춘 인재는 전 세계적으로 극히 희소합니다.

🎯

전문가 키트 — 자율주행·ADAS 직무 편

Expert Kit · Autonomous Driving Job Insight

📚 필독 레퍼런스
SAE Levels of Driving Automation / Waymo Safety Report / 현대차 자율주행 기술 백서 / IEEE Transactions on Intelligent Vehicles
🛠 핵심 도구·자격
Python/C++ / ROS 2 / PyTorch / CARLA 시뮬레이터 / ISO 26262 이해 / TensorRT / MATLAB·Simulink
🎓 추천 전공
컴퓨터공학·AI (인지·계획) / 전기·전자공학 (제어·임베디드) / 기계공학 (동역학·제어) / 수학·통계 (알고리즘)
🔭 주목 트렌드
Vision-Only AD (Tesla FSD) / End-to-End 자율주행 / 4D Radar / LLM 기반 주행 판단 / Robo-Taxi 상용화

이 블로그의 인기 게시물

MM