1) 시스템 아키텍처 전체 개요 및 주요 블록 분해
본 특허가 제시하는 자율 호출 시스템의 아키텍처는 전통적인 자율주행 스택을 계승하면서도, '외부 세계와의 능동적 소통'과 '사용자 중심의 정밀 상호작용'이라는 두 가지 축을 중심으로 혁신적으로 재구성되었습니다. 전체 시스템은 크게 4개의 논리적 계층(Layer)으로 분해할 수 있습니다: '감지 및 통신 계층(Sensing & Communication Layer)', '인식 및 월드 모델링 계층(Perception & World Modeling Layer)', '계획 및 의사결정 계층(Planning & Decision-Making Layer)', 그리고 '제어 및 실행 계층(Control & Actuation Layer)'입니다.
첫째, '감지 및 통신 계층'은 차량의 물리적 눈, 귀, 그리고 입 역할을 합니다. 기존의 8개의 고해상도 카메라, 전방 레이더, 12개의 초음파 센서로 구성된 '테슬라 비전' 스위트가 기본을 이룹니다. 여기에 본 특허의 핵심인 V2X(Vehicle-to-Everything) 통신 모듈이 추가됩니다. 이 모듈은 5G-NR C-V2X 표준을 준수하며, 차량이 신호등, 도로변 장치(RSU), 다른 차량, 보행자의 스마트 기기와 직접 통신할 수 있게 합니다. 이를 통해 카메라는 볼 수 없는 사각지대의 위험(예: 교차로에서 빠르게 접근하는 차량)이나 전방 수백 미터 앞의 도로 상황(예: 결빙, 사고) 정보를 미리 수신합니다. 또한, 사용자 추적을 위한 UWB(초광대역) 및 BLE(저전력 블루투스) 안테나 어레이가 포함되어, 스마트폰을 소지한 사용자의 위치를 센티미터 수준의 정밀도로 파악합니다.
둘째, '인식 및 월드 모델링 계층'은 수집된 원시 데이터(Raw Data)를 의미 있는 정보로 가공하는 두뇌의 시각 피질과 같습니다. 이 계층의 중심에는 차세대 FSD 컴퓨터(가칭 HW 5.0)가 있습니다. 카메라 이미지 스트림은 HydraNets 아키텍처 기반의 뉴럴 네트워크를 통과하여 객체(차량, 보행자, 차선 등)를 3D 벡터 공간에서 탐지하고 그 속성을 예측합니다. V2X를 통해 수신된 외부 정보(예: '3초 후 신호등 녹색으로 변경')는 단순한 데이터 오버레이가 아니라, 월드 모델 내에서 해당 객체의 '상태 신뢰도(State Confidence)'를 높이는 데 사용됩니다. 예를 들어, 카메라가 멀리서 신호등을 희미하게 인식했을 때, V2X 정보는 이 인식이 맞다는 확률을 99.9%까지 높여줍니다. 특히 GPS가 잡히지 않는 지하 주차장에서는 SLAM(동시적 위치추정 및 지도작성) 엔진이 활성화되어, 카메라와 레이더 데이터를 이용해 실시간으로 주변 지도를 그리고 그 안에서 차량의 위치를 추정합니다. 이는 마치 사람이 낯선 건물 안에서 벽과 기둥을 기준으로 자신의 위치를 파악하는 것과 같습니다.
셋째, '계획 및 의사결정 계층'은 가공된 정보를 바탕으로 '어디로, 어떻게 갈 것인가'를 결정합니다. 이 계층은 다시 두 단계로 나뉩니다. '전역 경로 계획기(Global Planner)'는 사용자가 앱에서 지정한 픽업 지점까지의 전체 경로를 지도 데이터와 실시간 교통 정보를 기반으로 생성합니다. 이는 일반적인 내비게이션 경로와 유사하지만, 차량 전용 통로, 회전 반경, 주차 가능 구역 등 자율주행에 필요한 제약 조건이 추가로 고려됩니다. 그 다음, '지역 경로 및 행동 계획기(Local & Behavioral Planner)'가 실시간으로 작동합니다. 이 계획기는 전방 수십-수백 미터의 월드 모델을 바탕으로, 동적 장애물을 회피하고 교통 법규를 준수하며 전역 경로를 따라가는 수십 가지의 가능한 주행 시나리오(예: '차선 유지', '좌회전 대기', '보행자 통과 후 진입')를 생성하고, 각 시나리오의 안전성과 효율성을 평가하는 비용 함수(Cost Function)를 계산하여 최적의 행동을 매 순간 선택합니다. 예를 들어, 갑자기 아이가 도로로 뛰어들면, '긴급 제동' 시나리오의 비용이 급격히 낮아져 즉시 선택됩니다.