RAPA (실시간 어텐션 기반 필라 아키텍처 4D 레이더 인지)

완전 자율주행차 구현을 위해 LiDAR, 카메라, 레이더 등 센서 퓨전을 쓰는데, LiDAR는 성능이 뛰어나지만 장비 단가가 매우 높고 날씨 영향도 받습니다.

레이더는 비교적 저렴하고 악천후에도 동작하지만, 출력 데이터가 희미하고 잡음이 많아 딥러닝 기반 인식률이 낮았습니다.

그간 레이더는 차량에서 주로 속도측정 보조용으로만 쓰이고, 고정밀 객체인식은 LiDAR/카메라에 의존했기에 원가 상승과 센서 복잡도 문제가 있었습니다.

즉, *"값싼 레이다로 고가 LiDAR를 대체"*하는 것이 자율주행 상용화의 난제였지만, 기존 딥러닝 모델은 레이다의 스파스한 포인트 클라우드를 제대로 활용하지 못해 성능 저하가 컸습니다.

또한 다수 레이더를 동시에 사용하면 데이터 동기화와 컴퓨팅 부담이 커 실시간 처리도 어려웠습니다.

이로써 레이더만으로 안정적인 360도 인지를 하는 솔루션 부재가 문제였습니다.

RAPA 엔진은 오직 여러대의 4D 이미징 레이더 입력만으로 주변 객체를 탐지·추적하는 업계 최초급 AI 솔루션입니다.

Attention-based Pillar Network라는 전용 딥러닝 아키텍처를 개발하여, 레이더 신호의 패턴과 잡음을 학습하고 맞춤형 필터링을 적용함으로써 레이더 특유의 희소 데이터에서 유의미한 특징을 뽑아냅니다.

특히 시간-속도 축(Doppler) 정보를 적극 활용해, 정지 물체와 움직이는 물체를 정확히 구분하고 노이즈와 진짜 신호를 식별합니다.

그 결과 기존 대비 객체 인식 정확도가 40% 이상 향상되었고, 공개 벤치마크 상 경쟁 솔루션 대비 월등한 성능을 입증했습니다.

또한 이 모델은 최적화되어 차량용 엣지 컴퓨팅 보드에서 실시간 추론이 가능하며, 여러 대의 레이더 데이터를 융합하여 360도 전방위 인식을 수행하면서도 처리 지연을 최소화했습니다.

결국 RAPA를 탑재하면 카메라나 LiDAR 없이도 차량, 보행자, 장애물을 감지·추적할 수 있고, 악천후나 역광 상황에서도 안정적입니다.

가격 측면에서도 비싼 LiDAR 여러 개를 다중 레이더+소프트웨어 조합으로 대체해 비용을 크게 낮춥니다.

나아가 무인보트(USV), 자율로봇 등 다양한 플랫폼에 확장 가능하며, 이미 국방용 무인차량에 적용해 혹한기/우천 시에도 높은 안정성을 보였습니다.

한마디로 RAPA는 *"레이더만으로 자율주행하는 시대"*를 여는 게임체인저로서, 저비용 고성능 자율주행 인지를 가능케 했습니다.

완성차 OEM 및 자율주행 기술기업(B2B)이 핵심 고객입니다.

예컨대 전기차 스타트업이나 로보택시 회사가 라이다 대신 이 레이더 인지 스택을 채택하면 비용을 크게 절감할 수 있어 적극 검토 중입니다.

실제로 CES 소식에 따르면 2026년 말 글로벌 모빌리티 기업이 RAPA 기술을 탑재한 로보택시를 양산 계획이라고 합니다.

또한 ADAS(첨단운전자보조) 공급업체들도 고해상도 레이더 기반 솔루션으로 자동차 업체에 공급할 수 있습니다.

그 외 국방 분야(무인군용차, 경계 로봇)와 항만·물류 로봇 등도 고객층입니다.

따라서 B2B 형태로 차량/로봇 제조사에 알고리즘 라이선스 혹은 모듈 형태로 제공되며, 최종적으로 소비자들은 이 기술이 탑재된 차량/서비스(B2C)를 통해 혜택을 받게 될 것입니다.

이 솔루션은 자율주행/로보틱스 산업 전반으로 확장될 잠재력이 있습니다.

이미 레이더를 채용한 자동차들이 늘고 있어, 해당 소프트웨어를 소프트 업그레이드 형태로 적용 가능하고, 차세대 차량 설계 시 라이다 의존을 줄이는 방향으로 채택될 수 있습니다.

또한 현재 개발 중인 Radar+Camera, Radar+LiDAR 융합 버전 (RAPA-RC, RAPA-RL)도 있어, 다양한 센서 조합에서 활용될 전망입니다.

지역적으로는 미국,유럽의 자동차 OEM, 이스라엘 등 자율주행 업체, 한국 모빌리티 기업 등 글로벌 수요가 있습니다.

표준화나 규제도 안전성 입증 시 문제없으며, 오히려 Euro NCAP 등에서 저비용으로도 보행자 검출 성능을 높일 솔루션으로 환영받을 것입니다.

기업 측면에서는 Deep Fusion AI 같은 스타트업이 직접 OEM과 계약하거나, 기술력을 인정받아 대형 부품사에 인수되어 확대될 수도 있습니다.

이미 CES 혁신상 중 최고상(Best of Innovation)을 받아 업계 이목을 끌어 파트너십 문의가 쇄도하고 있습니다.

*"라이다를 대체할 수도 있다"*는 파급력이 있는 만큼, 제대로 상용화만 된다면 폭넓은 산업 채택이 예상됩니다.

CES 2026 AI 부문 최고혁신상 수상은 이 기술의 잠재력이 얼마나 크고 독보적인지 방증합니다.

자동차 업계 전문가들은 "레이더만으로 이렇게 정확히 볼 수 있나"라며 놀라워했고, 업계지 Traffic Technology Today 등은 *"딥퓨전AI가 라이더 없는 자율주행을 앞당긴다"*는 헤드라인으로 보도했습니다.

국내외 투자·기술 커뮤니티에서도 인천의 스타트업이 거둔 성과라며 화제가 되었고, *"비용과 안정성 두 마리 토끼를 잡았다"*는 평가가 있습니다.

기술 완성도 측면에서는 이미 해군 무인정 등에 적용 사례가 있어 허풍이 아님이 입증되었고, 2026년 양산 계획 소식에 투자자들도 큰 기대를 걸고 있습니다.

한편 신중론으로는 "레이더 해상도가 한계가 있는데 정말 LiDAR 완전 대체 가능할까"라는 시각도 있으나, 실용적 목표는 고가 LiDAR 개수를 줄이는 것이므로 대체보다는 보완으로 보는 게 맞습니다.

시장 기대치는 매우 높아, *"자율주행차 가격을 획기적으로 낮출 핵심 기술"*로 인식되고 있고, 이 회사가 글로벌 OEM과 계약할 것이라는 전망이 돌고 있습니다.

사실상 과대평가라기보다는 혁신성에 비해 아직 세간에 덜 알려진 기술이라 향후 더 주목받을 것으로 보입니다.