자율형 IoT 실현을 위한 자율주행 사물 및 집단 상황인지 기술

 기존 IoT(Internet of Things) 기술은 사물과 사물 간 연결을 통해 인프라를 구축하고 이를 이용하여 데이터를 수집하거나 정해진 방식의 서비스를 제공하는 것을 목적으로 연구 및 개발되어 왔다[1]. 지능형 IoT 기술은 한발 더 나아가 인공지능 기술을 접목하여 수집되는 방대한 데이터를 인공지능 기술로 분석하여 사용자에게 최적의 맞춤 서비스 제공을 목표로 한다[2]. 최근에는 인공지능과 디바이스의 발전에 힘입어 한발 더 나아가 사물이 스스로 판단하여 환경의 변화에 따라 능동적으로 대응하는 자율형 IoT 기술이 대두되고 있다[3]. 특히, 스마트 팩토리, 스마트시티, 재난감시 등의 분야에서 전통 ICT 연계 산업의 일반적인 요구를 벗어나 재난ㆍ재해 등 극한 상황, 초대 규모의 IoT 인프라 규모, 개인정보 보호 등 점차 복잡한 요구가 증가하는 추세이다. 이에 따라 [그림 1]과 같이 클라우드 및 인간의 관여가 어려운 환경에서 다수의 자율 사물이 자체적으로 인지ㆍ판단ㆍ동작하기 위한 기술 개발에 대한 필요성이 증가하고 있다.

<자료> 한국전자기술연구원 자체 작성

[그림 1] 자율형 IoT 기술의 필요성

 자율형 IoT 기술은 다양한 형태로 실현될 수 있는데, 지능형 CCTV를 고도화하여 현재 영상 내용에 따라 영상 범위나 배율, 카메라 방향 등을 동적으로 변경할 수 있고, 물류 로봇에서 물품, 작업자, 설비 현황 등 다양한 상황을 인지하여 작업 수행을 할 수 있다. 이를 위해서는 사물이 상황을 인지하기 위한 시각 지능, 계획, 제어 등 다양한 기술의 개발이 필요하다. 이 중 스마트시티, 스마트 팩토리, 스마트 물류 등 대규모 환경에서 자율형 IoT 기술을 실현하기 위해서는 사물의 자유로운 동작을 지원하여 넓은 공간에서 능동적인 대응을 지원하는 자율주행 사물 기술과 유관한 사물들이 서로 정보를 공유하여 단일 사물이 파악할 수 없는 복잡한 수준의 상황을 인지하고, 사물 간의 자율협업 동작을 지원하는 집단 상황인지 기술이 핵심 요소이다. 본 고에서는 자율주행 사물 기술과 집단 상황인지 기술의 국내외 최신 동향에 대해 분석한다.

 자율형 사물 기술은 인적 노동을 대체하기 위해 사물의 자율적 동작을 목표로 한다. 대표적인 자율형 사물 기술로는 자율주행자동차, 자율비행 드론 및 자율동작 로봇이 있다. 본 고의 동향에서는 다양한 응용 분야에서 각 자율형 사물시스템의 운용 기술을 개발하여 적용하고 있는 국내외 동향에 관해 서술한다.

 자율주행자동차 관련 기술은 대기업, 공공연구소 중심으로 개발이 진행되고 있지만 세부 부품의 경우 중소기업의 기술개발 참여도가 높은 분야이다. 한국전자기술연구원은 전방위 센서 퓨전 및 멀티카메라 영상 기반 정합ㆍ보정 기술과 실시간 객체 감지 및 추적 등 다양한 자율주행 요소기술에 대해 연구 개발을 수행 중이며, 한국항공우주연구원은 GNSS(Global Navigation Satellite System) 기반 보정신호를 V2X(Vehicle to Everything)를 통해 자율주행차량에 전달하고 자율주행차 센서와의 복합측위를 수행하는 연구를 진행하고 있다. 한국전자통신연구원은 레벨 4 완전자율주행 기술 개발을 목표로 정부 R&D를 통해 자율주행 기술개발 혁신 사업을 수행하고 있고 비정형 도로(이면도로)와 악천후 환경 속에서도 문제없이 주행할 수 있도록 연구 중이며, 2021년 언맨드솔루션과 협업하여 원내 자율주행 셔틀버스 오토비를 시범운영했다.
 현대자동차는 2018년 2월 국내 최초 레벨4 자율주행 시연ㆍ시승에 성공하였다. 현재 자율주행 2단계 기술을 상용화하 중이며, 2023년 3단계 이상의 자율주행자동차 기술의 상용화를 목표로 연구 개발 진행 중이다([그림 2] 참조). 현대모비스도 이와 유사하게 레벨 3(HDA3) 자율주행자동차를 임시 운행 중이며, 레벨 3 이상의 자율주행 기술 상용화를 추진 중이다.

[현대자동차 자율주행차]

[자율주행차 서비스]

<자료> 동아일보, “현대 넥쏘 자율주행차, 차선 변경부터 돌발상황 대처까지…똑똑하다!”, 2018. 2. 8.서울신문, “현대·기아차, ‘운전자 맞춤 자율주행’ 세계 첫 개발”, 2019. 10. 21.

[그림 2] 현대자동차의 자율주행 기술 개발 사례

 SKT는 이동통신사로써 5G 통신망과 연계하여 자율협력주행 기술 개발을 수행하고 있으며 2018년 2월 시연에 성공했다. 이를 토대로 서울 상암지구 자율주행 서비스 우선사업자로 선정되었으며, NVIDIA와 전략적인 협업을 통해 자율주행차와 관련된 다양한 인공지능 기술을 활발하게 개발하고 있다. 또한, 기 보유 중인 네비게이션 기술을 활용하여 자율주행을 위한 고해상도 지도(HD-Map) 제작 전문기업 Here사와 협력을 통해 자율주행에 필수적인 고정밀 HD-Map을 공동으로 개발했다.
 세부 부품의 경우 엠씨넥스에서 휴대폰 카메라 제작 기술을 활용하여 스마트카용 카메라 부문으로 진출하여 세계 5위를 달성했으며, 푸조ㆍ볼보ㆍ시트로엥 등 글로벌 완성차 업체에 납품 중이며, 스마트온 커뮤니케이션은 차량 데이터로 운전 특성을 분석하여 맞춤형 엔진오일을 판매하는 서비스 시장을 개척했다.
 자율비행 드론 기술의 경우 군수용 무인항공기 및 드론 기술의 최고 기술 수준은 미국이 주도하고 있으며, 미국과 대한민국의 기술격차는 5년 내외로 85% 수준의 기술력을 보유하고 있는 것으로 분석되고 있다[6]. 무인기ㆍ드론 항법ㆍ제어 S/W 등 고부가가치 부품은 선진국이 소형모터ㆍ프로펠러 등 범용 부품은 중국이 비교 우위를 보유하고 있다. 특히, 8대 핵심 부품(로터ㆍ프로펠러, 동력ㆍ추진장치, 전기식 작동기, 비행조정컴퓨터, 항법장치, 탑재 안테나, 통신장비 등)은 선진국과 격차 존재하나 스마트폰과 공용부품인 AP(Application Processor), 배터리, 디스플레이, 일부 S/W 등은 세계적 수준으로 잠재력을 보유하고 있다[7].
 (주)디투이노베이션은 자체가 개발한 무인기 시뮬레이션 엔진(GS인증-1등급)을 활용하여 육군의 합동화력 시뮬레이터, 군단급 무인기 훈련 시뮬레이터 개발 사업의 성공적인 수행을 통해 사실적인 3차원 전장 환경 모사, 무인기 탑재체 센서 시뮬레이션, 체계적인 조종사 훈련용 콘텐츠 개발 및 운영 경험을 확보하고 있다. 니어스랩의 경우 자율주행 드론 솔루션 기술을 활용하여 풍력발전 설비 등 원격진단ㆍ점검 서비스를 제공하고 있다.
 자율이동로봇(Autonomous Mobile Robot: AMR)은 자율이동기술의 발전에 힘입어 모바일 로봇 분야에서 가장 빠르게 성장하고 있는 부문으로, [표 1]과 같이 다양한 분야에서 활용 중이며 특히 물류 부문에서 판매가 급성장하는 추세이다.

[표 1] 자율이동로봇 분야별 기술 동향

<자료> International Federation of Robotics, “A mobile revolution-how mobility is reshaping robotics”, 2021. 재정리

 국내의 경우, 전통적인 유통 물류를 중심으로 시장이 성장하고 있고 로봇을 접목한 FMS(Fleet Management System) 및 관련 시뮬레이션 기술은 기술개발 초기단계이다. 단일 종류, 다중 모바일 로봇은 CJ대한통운, 코어벨 등에서 AGV(Automated Guided Vehicle)를 중심으로 개발되었으며 다양한 형태의 물류 로봇과 운영 시나리오에 대응 가능한 공통 솔루션 형태의 FMS와 관련 시뮬레이터는 개발된 사례가 아직 없다. 유진로봇에서는 병원, 요양시설, 푸드코트 등에서 활용 가능한 운반 로봇 GoCart를 상용화하였고, 로봇 원격모니터링, 라우팅, 스케줄링 기술을 보유하고 있으며 단일 타입에 대한 웹 기반의 FMS 솔루션 기술을 확보했다([그림 3] 참조). 라스트 마일 배송로봇 관련 주요 국내 기업으로는 LG전자, 현대자동차, 우아한형제들, 로보티즈 등이 있다. 최근 LG전자, 현대자동차, 기아자동차 등 대기업에서 관심을 갖고 개발에 참여하고 있으며, 자율주행 기술을 확보하고자 노력하고 있다.

<자료> 유진로봇 제공

[그림 3] 유진로봇의 FMS 솔루션

ETRI는 IEEE Robotics & Automation Society(RAS)가 지원하는 로봇주행을 위한 지도데이터 표준을 제정 완료했으며, 이는 로봇주행에 필요한 지도데이터의 편집, 교환, 저장 규격을 표준화한 것으로 물류 공간 모델링 및 FMS 솔루션 구축에 핵심요소이며 다중 제조물류 로봇시스템에 2018년 실제 적용했다. 또한, 경로계획, 동작계획 등 물류 창고에서의 자율지게차 주행제어 솔루션 기술을 개발하여 부품제조 물류에 2019년 시범 적용했으며 관련 시뮬레이션 기술을 개발했다.

 자율주행자동차는 글로벌 대기업들이 주도하고 있다. 구글 웨이모는 자율주행 데이터를 얻으며 주변의 도로상황이나 특징적인 표지를 저장하여 이에 대한 데이터베이스를 구축하고 이를 기반으로 정밀지도 작성과 함께 자율주행차량의 정밀한 위치를 추정하는 기술을 집중적으로 연구하고 있다. 또한, 신호등 앞 100m에서 100%에 근접한 신호등 인식률을 달성했고, 연석이 존재할 영역 인근에서만 높이 정보와 영상 밝기 정보를 활용하여 연석을 인식하는 방식을 통해 95%의 정확도로 연석을 인식하는 것에 성공했다. 웨이모의 차량은 320만km를 주행하였으며 운전자가 탑승하지 않는 완전 자율주행차량의 도로 주행 테스트를 최초로 진행했다.
 테슬라는 오토파일럿 기능이 장착된 자동차의 상용화에 성공하는 등 정형화된 도로 환경에서는 기술적 성숙도가 가파르게 상승 중이며, 상용화된 자율주행차 중 유일하게 고가인 LiDAR(Light Detection and Ranging) 센서를 장착하지 않고, 카메라, RADAR(Radio detecting and ranging) 센서를 위주로 자율주행차 운행을 실현했다([그림 4] 참조). 하지만 골목, 혼잡한 교차로 등 비정형 환경에서의 실시간 안전 경로 생성은 아직은 개선해야할 과제들이 많은 상황이다.
 자율비행 드론 기술은 선진국을 필두로 드론의 본격적인 사용화에 대비하여 운영기준 연구와 더불어 시장 선점을 위한 기술개발, 주요 경쟁 분야에 대한 투자가 적극적으로 이루어지고 있다. 미국은 2021년 400억 달러 규모의 국립과학재단(NSF) 무인기 분야 기초연구 지원 사업을 통해 운영기준 개발, 항공교통관계 프로세스, 충돌감지 및 회피 기술, 데이터 링크 기술, 위험도 평가 연구 등을 중점으로 추진하고 있다. 또한, 가시권 밖 비행, 비인가 드론 탐지 등 기술혁신을 위한 실증 추진(Pathfinder program, 2015.5~) 및 자문위원회(DAC) 운영 등 민관 협력 강화를 추진 중이다. 아마존(택배), 보잉(정찰기), 구글(고고도 드론), 인텔(제어), 3D로보틱스(상업용), 페이스북(인터넷), 퀄컴(S/W) 등 글로벌 기업들도 이에 동참하여 적극 투자 중이다.

<자료> 엠투데이, “AMD 협력사, "테슬라와 자율주행차 AI 칩 개발하지 않고 있다" 일축”, 2017. 9. 22.
경향신문, “자율주행에 ‘오직 카메라’ 고수하던 테슬라, 다음달 ‘레이더 센서’ 도입할 듯”, 2022. 12. 8.

[그림 4] 테슬라의 자율주행 기술 개발 사례

 중국의 DJI는 취미/촬영용 시장 선점 기반으로 감시/농업 분야로 점차 사업 영역을 확장 중이며, 일본의 야마하는 무인헬기를 통해 농업용 시장에서 입지를 확보 중이다.
 드론 소프트웨어 기술 분야에서는 사용자의 조종 및 임무 훈련용, 드론에 사용되는 FC(Flight Computer)와 같은 기술 검증용, RL(Reinforcement Learning) 등 AI 학습 기법을 통해 카메라 기반 자율비행기법을 연구하는 등 드론 시뮬레이터를 활용하고 있다.
 자율주행 로봇은 물류로봇을 중심으로 기술 개발과 시장이 확대되고 있는 추세이다. 미국의 Fetch Robotics사는 엘리베이션이 가능한 모바일 매니퓰레이터 기반의 오더 피킹 로봇 및 다중 로봇을 관리하는 솔루션을 개발하여 초기 상용화 진행 중이다.
 미국 아마존은 로봇을 활용하는 대표적인 글로벌 대기업이나, 최근까지 자율주행 로봇 대신 자율가이드카트(AGC)를 기반으로 피킹 기술을 활용하고 있었다. 2021년 처음으로 자율주행 및 내비게이션 기술을 이용하여 물류센터 내를 자율 이동할 수 있는 자율주행 로봇 Bert를 개발하였으며, 시험 테스트를 진행하고 있다.

[덴마크 MiR]

[일본 오므론]

<자료> MiR mobile robots ensure flexibility during Kamstrup’s growth”,
https://www.mobile-industrial-robots.com/case-studies/mir100-kamstrup-denmark/roboticsandautomationnews, “Omron Automation to showcase of automotive manufacturing solutions at WCX 2018”, 2018. 4. 9.

[그림 5] 모바일 로봇

 덴마크의 MiR(Mobile industrial Robotics)은 자율형 로봇을 출시하여 급성장하고 있는 대표적인 기업으로 단순히 미리 설정된 경로를 따라 움직이는 무인 운반차(AGV)와 달리 학습을 통해 주변 환경을 탐색하고, 장애물을 피해 자율적으로 작업을 진행하기 때문에 생산성을 극대화할 수 있는 민첩성과 유연성 확보가 가능하다([그림 5] 참조).
 일본 오므론(Omron)은 자율주행 모바일 로봇을 기반으로 물류 자동화 사업을 전개하고 있다. 자율주행 모바일 로봇은 기변중량 60kg에서 250kg까지 운반이 가능하도록 설계되었으며, 현장에 반사판, QR-코드, 센서 등의 설치가 필요 없는 최신 기술을 탑재했다. 현재 반도체, 의료, 자동차, 일반 물류 등에 적용되고 있다.

 자율형 사물 기술의 서비스 정확도, 임무 달성도를 향상하기 위해서는 주변 상황을 정확하게 인지하는 ‘상황인지’ 기술이 필수적으로 요구된다. 최근, 상황인지 고도화를 위한 다중 자율형 사물의 협업을 통한 “집단 상황인지” 기술이 개발되고 있다. 본 고의 동향에서는 다양한 분야의 자율형 사물 기술들의 상황인지 고도화를 위한 집단지능 기술에 관해 서술한다.

<자료> 한국전자기술연구원 자체 작성

[그림 6] 자율사물의 복합 상황인지를 위한 집단지능 프레임워크 기술

 한국전자기술연구원은 다양한 자율사물의 상황인지를 위한 집단지능 프레임워크를 개발하는 국가 연구과제를 수행하고 있다(과기정통부-IITP, “자율형 IoT 디바이스 상황인지 집단지능 프레임워크 기술 개발”). 해당 프레임워크는 자율형 사물시스템의 정확도, 신뢰도 높은 상황인지 기술을 개발하는 것을 목표로, 다중 자율사물의 센서 융합 및 전처리 기술, 다중 자율사물의 클러스터 형성 기술, 인지정보 공유 기술, 연합인지 및 상황추론 기술 등을 개발하고 있다. 또한, 과제의 결과물을 활용하여 실제 스마트 팩토리와 유사한 모사 환경에 적용하여 실증하는 것을 목표로 한다([그림 6] 참조).
 국내 자율주행자동차를 위한 상황인지 기술은 V2X 통신 기술을 활용하여 차량 간의 정보를 공유하여 주변 상황인지에 대한 정확도와 신뢰도를 높이는 기술이 활발히 연구되고 있다.
 KT와 현대비모비스는 5G-V2X를 기반으로 협력 센싱 기술을 활용하여 상용차의 안정성과 연비 향상을 목표로 다중 차량 간의 센서 데이터 공유 기반 군집주행(platooning) 기술을 개발하여 인지 영역을 확대하고 차량 간의 충돌이 없게 차로를 조정하는 기술에 대한 시연을 성공했으며, 추후 상용화를 목표로 개발을 진행하고 있다.

<자료> 헤럴드경제, “앞 차가 급정거하자 차가 알아서 우회…현대모비스-KT, OTA·C-V2X 기술 개발”, 2019.10.22

[그림 7] 현대자동차의 V2X 기반 집단 상황인지 기술 개발 예시

 현대자동차는 V2X를 활용하여 교차로와 같은 인프라에 설치된 센서의 데이터를 기반으로 교차로 진입 차량에게 보행자 충돌 가능성, 교차로 충돌 가능성, 공사 구간 사전 알림 등의 다양한 차량 안전 관련 서비스를 개발하고 있다([그림 7] 참조). 해당 기술을 통해 국내 최초로 고속도로 내 V2X 기반 트럭 군집주행 시연을 수행하였고, 2대의 트럭이 각각 카메라, 라이다로 취득한 정보를 교환하는 시스템을 검증, 추후 군집주행 차량간의 차간거리 축소, 도로교통 인프라 정보를 취득하여 안전을 높이는 기술 등으로 고도화를 수행할 예정이다.
 한국항공주우연구원은 2013년 실내 군집 비행 시연 이후 지속적으로 군집 비행을 위한 드론 영상 간 정합 기술 및 자율비행 기술을 개발하고 있으며, RTK(Real Time Kinematic) GPS를 기반으로 측정한 드론의 위치를 기반으로 카메라의 각도 등을 고려하여 영상 정합 및 융합 기술을 연구 개발하고 있다. 해당 기술은 저렴한 센서를 활용하여 높은 성능을 확보하는 것을 목표로 개발되고 있다.

<자료> 기계신문, “KIST 남창주 박사팀, 자율주행 로봇의 유연한 임무 할당 방식 제시… 로봇 협업 효율 극대화”, 2019.

[그림 8] 한국과학기술원의 다중 로봇의 집단 상황인지 기술 시뮬레이션 예시

<자료> “도로자율주행을 위한 지도, 하이브리드 HD 매핑”, https://www.naverlabs.com/storyDetail/113.

[그림 9] 한국과학기술원의 다중 로봇의 집단 상황인지 기술 시뮬레이션 예시

 한국과학기술연구원은 2019년 다수의 로봇이 최소한의 데이터만 교환으로 주변 상황(업무량 등)을 인지하는 로봇 업무 최적화 기법을 제안했다([그림 8] 참조). 해당 협업 기술을 통해 로봇이 협업하기 위해 통신에 소모하는 시간과 비용을 획기적으로 감소시켜 협업의 효율성을 약 2배 이상 증가시킬 수 있음을 증명했다. 또한, 한국과학기술원은 다중 산업 모바일 로봇(스마트 팩토리 등)의 협업 및 임무를 최적화하기 위한 상황인지, 협업 플랫폼에 대한 연구 개발을 지속하고 있다.
 네이버랩스는 다중 모빌리티 플랫폼 협업 기반 정밀 지도 구축을 위해 다중 드론을 통해 취득한 도심 단위 대규모 지역의 항공사진과 차량을 통해 수집한 데이터와 자율주행자동차의 센싱 정보를 결합하는 방법을 연구 개발하고 있다([그림 9] 참조). 해당 프로젝트는 항공 촬영 이미지에서 도로 면의 레이아웃 정보를 추출한 다음, 차량의 모바일 매핑 시스템에서 추출한 포인트 클라우드를 융합하여 자율주행을 위한 HD맵 제작을 목표로 개발되고 있다.

 유럽은 C-ITS(Connected Intelligent Transporation System) 공동 구축 사업을 통해 유럽의 18개국(독일, 이탈리아, 네덜란드, 스페인, 영국 등), 6,000km에 걸친 V2X 통신이 가능한 자동차 도로를 구축하여 V2X 기반 협업 주행을 검증하는 연구 개발을 수행하고 있다. 해당 기술은 차량과 차량, 차량과 인프라가 정보 공유를 통해 주변 도로 상황을 명확하게 인지하는 것을 목표로 한다. 정확도 및 신뢰도 높은 협업인지를 위한 다양한 기술을 개발하고 있으며, 다양한 응용 서비스(교통사고 알림, 지능형 신호 제어, 대중 교통수단 최적화 등)를 선제적으로 구축하고 있다.

<자료> M. Tsukada, T. Oi, A. Ito, M. Hirata and H. Esaki, “AutoC2X: Open-source software to realize V2X cooperative perception among autonomous vehicles”, 2020 IEEE 92nd Vehicular Technology Conference(VTC2020-Fall), Victoria, BC, Canada, 2020, pp.1-6.

[그림 10] 일본 Tier IV의 V2X 기반 교차로 협력 상황인지 솔루션

 일본 자율주행자동차 개발 업체 Tier IV, Inc은 AutoC2X-AW라는 V2X 기반 협력 센싱 오픈소스 프레임워크를 개발하고 있다([그림 10] 참조). 교차로에 설치된 인프라와 자율주행 자동차 간의 주변상황 인지 정보를 공유하여 주변 차량 존재, 혼잡도 및 다양한 장애물들의 위치를 공유하는 기술 및 교차로 진입 차량의 안전을 위한 알고리즘 또한 지속적으로 실증하고 있다.
 유럽 개방형 로봇 개발기구인 ECHORD++(European Clearing House for Open Robotics Development Plus Plus)는 SAGA(Swarm robotics for AGricultural Applications) 프로젝트를 통해 공중 군집 드론을 이용하여 광대한 농경지에서 정밀한 농업 기술을 개발 및 실증하고 있다. 해당 기술을 통해 개별 드론에서 상황인지 오류가 발생하더라도 드론 간 센싱 정보 융합을 통해 센티미터 단위로 정밀한 농업지도 생성을 하여 작업을 수행하는 시스템을 개발하고 있다.
 미국 인텔(Intel)은 분산 자율, 협업형 저전력 멀티로봇시스템인 협업형 미니봇 기술을 개발하여 실증을 수행했다([그림 11] 참조). 제안하는 미니봇 플랫폼은 카메라, LiDAR, 오디오 센서를 탑재하며 센서 데이터 결합, 현재 위치인지, 지능형 의사 결정 등의 협업 상황인지 및 임무수행 기능을 지원한다. 또한, 중앙 서버나 인간의 개입 없이 다수의 미니봇 간 협업을 통해 태스크를 수행한다.

<자료> 인공지능신문, “인텔, 미니봇을 사용한 분산형, 자율 및 협업 멀티로봇 시스템 선보여”, 2019.02.23.
Techchrunch, “MIT’s CSAIL self-driving water taxis launched in the Amsterdam canals”, 2021.10.30.

[그림 11] INTEL 미니봇 플래폼 및 MIT 다중 보트 인지 시스템

미국 MIT(Massachusetts Institte of Technology)는 다중 자율 보트 및 집단 상황인지 기술로 동적으로 다리를 만드는 기술을 개발하여 네덜란드 암스테르담 운하에서 시험 운행을 목표로 연구 개발을 수행하고 있다([그림 11] 참조).

 자율형 IoT 기술은 자율주행차, 자율비행드론, 자율주행로봇 등 자율주행 사물의 하드웨어 및 소프트웨어 기술이 발달하고 다양한 상황을 판단하고 대응할 수 있는 인공지능 기술이 고도화됨에 따라 차세대 IoT 기술로 주목받고 있다. 자율주행로봇을 중심으로 다양한 분야에서 국내외 기업들이 자율형 IoT 기술 개발과 상용화를 추진하고 있으며, 사람의 개입을 최소화하도록 기술 수준 향상에 노력하고 있다. 특히, 물류 및 제조 분야에서 자율형 로봇이 활발하게 산업현장에 활용되고 있으며, 자율주행차는 이미 상용화되어 무인 자동차를 위해 나아가고 있다. 이러한 자율주행 사물 기술에 비해 집단 상황인지 기술은 아직까지 단일 사물의 정보만을 주로 활용하는 수준에 머무르고 있다. 자율사물 간 협업을 통한 상황인지를 수행하기 위해서는 자율사물 간 원활한 정보 공유를 지원하는 실시간 네트워크 기술, 사물 간 정보 취합을 위한 인공지능 기술 등 다양한 분야에서 지속적인 연구 개발이 필요할 것으로 예상된다.
 다가올 미래에는 스마트 홈, 스마트시티, 스마트 팜 등 인적 관리가 불가능한 수준의 대규모 IoT 인프라를 기반으로 다양한 서비스들이 일상생활 속에서 제공될 것으로 기대된다. 또한, 카메라 및 음성과 같이 점차 개인정보를 활용하는 서비스가 많아지고 개인정보 보호를 위한 규제가 증가함에 따라 사물과 클라우드 간 통신이 힘든 환경이 늘어날 것이다. 이러한 환경에서 자율형 IoT 기술은 사람과 클라우드의 개입 없이 사물이 스스로 판단하고 서비스를 제공하여 미래의 사물인터넷 서비스의 중심이 될 것으로 기대된다. 이에 따라 정부와 기업의 주도적인 관련 기술 확보 및 관련 규제 선제 도입을 기반으로 상용화를 적극적으로 추진하여 시장을 선점함으로써 글로벌 시장 경쟁의 주도권을 확보해야 한다.