눈보다 정밀한 칩 하나가 세상을 4D로 읽는다 — 광자 집적 LiDAR가 바꿀 인식의 미래
이 기술은 단순히 '더 좋은 카메라'가 아니다. 공간, 거리, 속도를 동시에 측정하는 4D 이미징 센서가 드디어 칩 수준으로 소형화됐고, 그 해상도는 인간의 망막을 이미 넘어섰다.
카메라가 세상을 '보는' 방식은 사실 좀 평면적이다. 빛을 픽셀에 담아 2D 이미지를 만들고, 거기에 깊이 정보를 얹으면 3D. 우리가 흔히 아는 LiDAR가 바로 그 단계다. 그런데 이제 한 발 더 나아간 기술이 등장했다. 4D 이미징 — 위치뿐만 아니라 움직임의 속도까지 실시간으로 포착하는 센서다.
최근 Nature Communications에 발표된 연구는 이 개념을 실리콘 칩 위에 구현하는 데 성공했다 [1, 2]. 집적 광자 회로(Photonic Integrated Circuit, PIC)를 기반으로 한 이 LiDAR 시스템은 0.012°라는, 인간 망막 해상도를 뛰어넘는 정밀도로 거리와 속도를 동시에 측정한다. 단순한 논문 속 개념이 아니다. 실제로 작동하는 칩이다.
그게 왜 대단한 건지, 차근차근 풀어보자.
카메라와 LiDAR 사이의 근본적인 차이
- 수동 감지 vs. 능동 감지: 일반 카메라는 주변에서 반사된 빛을 수동적으로 받는다. 반면 LiDAR는 레이저를 직접 쏘고 돌아오는 신호를 분석한다. 흐린 날씨나 야간에도 흔들리지 않는 이유다 [3].
- 2D 이미지 vs. 포인트 클라우드: LiDAR는 이미지 대신 '포인트 클라우드'를 만든다. 수만 개의 점이 각각 거리 정보를 담고 있어 환경의 3D 지도가 완성된다. 여기에 4D 시스템은 각 점에 속도 벡터까지 추가한다.
보통 LiDAR는 '비행시간(Time-of-Flight)' 방식을 쓴다 — 레이저를 쏘고 돌아오는 시간을 재는 것. 반면 이번 시스템은 FMCW(주파수 변조 연속파) 방식을 채택했다. 레이저 주파수를 일정 패턴으로 변화시키고, 돌아온 신호의 주파수 차이를 분석하면 거리와 속도를 한 번에 계산할 수 있다 [3, 4]. 도플러 효과를 이용하는 것이다 — 앰뷸런스가 다가올 때 소리가 높아지는 바로 그 원리.
4D 이미징이 실제로 무엇을 포착하는가
이 센서가 만드는 '4D'는 x, y, z 좌표에 시간을 더한 게 아니다.
공간(x, y, z) + 속도(v) 다.
즉 센서 앞에 있는 물체가 어디에 있는지뿐만 아니라, 얼마나 빠르게 어느 방향으로 움직이는지를 동시에, 실시간으로 알 수 있다. 수천 개의 감지 포인트에서 동시에 이 정보가 수집된다 [2].
연구팀이 택한 설계가 흥미롭다. 인간의 눈에서 영감을 받았다. 눈은 시야 전체를 균일하게 처리하지 않는다. 중요한 곳에 집중하고, 주변부는 낮은 해상도로 처리한다. 이 시스템도 마찬가지 — 재구성 가능한 전기-광학 주파수 콤(Electro-Optic Frequency Comb)을 이용해 중요한 영역에 감지 자원을 집중 배분한다 [2]. 전체를 균일하게 과샘플링하지 않아도 된다는 뜻이다.
전력과 데이터를 아끼면서 고해상도를 달성하는 영리한 방식이다. 실제로 이 시스템은 얼굴 피부 텍스처처럼 섬세한 디테일을 포착할 수 있을 만큼 정밀하다 [5]. 공상과학 소설에서 보던 '기계의 시각'이 어느새 눈앞에 와 있다.
그림 1. 광집적회로 기반 4D 이미징 센서의 계층별 구현 방법론 및 설계 프레임워크. 단일 칩에 온칩 레이저, 변조기, 검출기 및 빔 스티어링 소자를 집적하여 시스템 소형화와 저전력 소비를 실현하며 , 외부 공진기 레이저와 재구성 가능한 주파수 콤을 활용한 코히런트 검출 방식을 통해 표적의 거리와 속도 데이터를 동시에 정밀하게 측정한다. 부분 중첩 시간 창 스캐닝과 지능형 과소 샘플링 기술은 데이터 처리 부하를 줄이면서도 신호 대 잡음비(SNR)와 시간 분해능 간의 최적의 균형을 유지하여 실시간 4D 이미징 성능을 확보하며 , SimPhony 및 ADEPT-Z 등의 전용 설계 툴을 통한 자동화 워크플로우는 계층 간 최적화 모델링과 제조 가능한 물리 레이아웃의 체계적 생성을 지원한다.
이걸 칩 하나로 만든다는 것의 의미
솔직히 말하자면, 4D 이미징 자체보다 이것을 칩 수준에서 구현했다는 점이 더 놀랍다.
기존 LiDAR 시스템은 크고 무겁고 비쌌다. 레이저, 변조기, 검출기, 다중화기 같은 광학 부품들이 각각 분리돼 있었기 때문이다. 이걸 하나의 실리콘 칩에 통합한 것이 PIC 기술이다 [3, 4].
- 전력 효율: 이산 광학 부품들과 비교해 소비 전력이 훨씬 낮다. 배터리 기반 자율주행 차량에 적합하다 [4].
- 소형화: 여러 기능이 단일 칩에 집약돼 시스템 전체 크기와 무게가 줄어든다. 드론, 웨어러블, 소형 로봇에도 장착 가능하다 [4].
- 비용: 반도체 제조 공정으로 대량 생산이 가능하다. 단가가 내려간다는 의미다 [3].
여기에 더해 실리콘 포토닉스와 III-V 반도체 플랫폼의 발전이 각 광학 소자의 성능 최적화를 가능하게 했다 [6]. 실리콘 질화물 기반 도파관은 열 누화(thermal crosstalk)에 덜 민감하고 위상 일관성이 길어 설계 자유도를 높인다 [7].
어디에 쓰이는가 — 생각보다 훨씬 넓다
자율주행 차량이 가장 즉각적인 수혜자다. 속도, 거리, 방향을 실시간으로 파악하는 4D 레이더는 도심 교차로, 악천후, 야간 환경에서도 360도 상황 인식을 가능하게 한다 [8]. 글로벌 4D 이미징 레이더 시장은 2024년 21억 달러에서 2034년 143억 달러까지 성장할 전망이다 [8].
로보틱스와 산업 자동화에서는 연기, 먼지, 저조도 환경에서도 물체 탐지와 거리 측정이 가능하다 [8]. 공장 자동화 수요 증가와 맞물려 빠르게 채택되고 있다.
환경 모니터링에서 활용 범위가 특히 넓다. 산림 관리, 대기 연구, 해안 측량, 홍수 위험 지역 파악 등 지구 표면의 정밀한 공간 데이터가 필요한 모든 곳에 LiDAR는 이미 들어가 있다 [7, 9].
도시 계획과 인프라 개발 측면에서도, 고해상도 3D 지도는 지형 조건에 맞는 건물 설계, 홍수 위험 관리, 토지 이용 최적화에 핵심 도구다 [7]. 재난 대응에서도 마찬가지다 — 산사태나 홍수 발생 시 실시간 지형 매핑으로 대피 경로를 즉시 파악할 수 있다 [7].
그리고 어쩌면 가장 의외의 적용처, 증강현실과 가상현실. 정밀한 공간 매핑이 몰입형 경험의 핵심인 XR에서 이 센서는 실시간 환경 인식을 가능하게 한다 [9].
아직 넘어야 할 산들
기술이 아무리 인상적이어도 현실에는 마찰이 있다.
가장 큰 문제는 시스템 복잡성이다. 4D 이미징을 위한 다중 채널 안테나, 고속 신호 처리기, 정밀 보정 모델의 통합은 개발 주기를 길게 만들고 엔지니어링 비용을 올린다 [8]. 중소 OEM 업체에게는 진입 장벽이 높다.
신호 처리 부담도 만만치 않다. 고해상도 포인트 클라우드를 실시간으로 변환하는 데 상당한 연산 자원이 필요하다. 비용, 전력, 지연 시간 모두를 동시에 최적화하는 건 여전히 어렵다 [10].
광자 집적 회로 설계에서는 열 효과와 공정 변이가 손실, 누화, 수율에 직접 영향을 준다 [10]. 굴곡진 기하학적 제약과 제한된 배선 자원 탓에 PIC 설계 자체가 복잡하다.
시장 측면에서는 자율주행 규제 불확실성, 레이더·카메라 기반 시스템과의 경쟁, 높은 초기 개발 비용이 확산을 늦추고 있다 [10].
지금 어디까지 왔는가
최근 수년 사이 진전 속도가 눈에 띄게 빨라졌다.
퀀텀 LiDAR가 그 중 하나다. 단일 광자 검출기를 활용해 저조도에서도 높은 감도와 깊이 분해능을 달성한다 [2]. FMCW LiDAR 기술은 특히 자율주행과 로보틱스 분야에서 빠르게 채택되고 있다 — 거리와 속도를 동시에 측정하는 능력이 결정적이기 때문이다 [6].
PIC용 LiDAR 시장 규모는 2024년 1억 6100만 달러에서 2034년 18억 9000만 달러까지, 연평균 25.3% 성장할 전망이다 [6]. 북미가 현재 시장을 선도하지만, 중국·일본·한국을 중심으로 아시아-태평양 지역의 성장세가 가파르다 [6].
설계 자동화 도구들도 빠르게 발전 중이다. SimPhony, ADEPT, Apollo 같은 플랫폼들이 PIC 설계를 현실적인 제약 조건 안에서 빠르게 탐색·검증할 수 있도록 돕는다 [10]. 이론과 실제 양산 사이의 간극을 좁히는 데 핵심 역할을 한다.
Discussion
기술의 인상적인 면만 보다 보면 놓치는 게 있다.
4D LiDAR가 도시 규모로 배치된다면, 이건 단순한 '더 나은 센서'가 아니다. 움직이는 모든 것의 위치와 속도를 실시간으로 기록하는 인프라가 된다. 광자 기반이라 얼굴 인식은 불가능하지만 [11], 개인의 이동 패턴은 충분히 추적될 수 있다. 자율주행 차량을 통한 상시 데이터 수집이 사용자들에게 어느새 '당연한 것'으로 받아들여지고 있다는 연구 결과도 있다 [12]. 기술이 성숙하는 속도만큼 프라이버시 거버넌스 논의도 따라가야 한다.
여기에 보안 취약성 문제도 있다. LiDAR는 스푸핑 공격에 노출될 수 있다 — 악의적인 레이저를 쏘아 센서가 존재하지 않는 장애물을 인식하게 만드는 방식이다 [13]. 고속 실제 도로 환경에서도 이런 공격이 현실적으로 가능하다는 점이 최근 연구에서 입증됐다. 4D LiDAR의 해상도가 높아질수록, 이를 속이는 공격의 정교함도 함께 올라간다.
한편, PIC 기반 FMCW LiDAR의 성공은 광자공학 하나만의 문제가 아니라는 점도 짚어야 한다. 레이저 선폭, 처프 선형성, 증폭기 — 이 요소들 각각이 전자공학, 펌웨어, 소프트웨어와 긴밀히 맞물려야 시스템 전체가 작동한다 [14]. 포인트 클라우드 해상도를 카메라 수준으로 올리려면 1메가픽셀 이상의 감지 채널이 필요한데, 이는 현재 상용 제품 대부분이 아직 달성하지 못한 수준이다 [15].
가장 흥미롭고도 불편한 질문은 아마 이것이다 — 이 기술이 의도한 대로 작동할 때의 이점은 명확하다. 하지만 오작동하거나 공격받거나 의도치 않게 남용될 때 어떤 결과가 생기는가? 자율주행 시대의 센서는 그냥 도구가 아니다. 결정을 내리는 기반이다. 그 기반이 흔들릴 때 책임은 누가 지는가.
4D 이미징이 '기계의 망막'이 되는 미래는 생각보다 가까이 와 있다. 다만 그 망막이 무엇을 기억하고, 누구에게 보고하며, 어떻게 보호받는지 — 이 질문들은 아직 열려 있다.
그림 2. 통합 광자 LiDAR 기반 4D 비전 기술의 핵심 아키텍처 및 산업별 응용 현황. 단일 회로 내에 레이저, 변조기, 검출기를 통합한 광자 LiDAR 기술은 거리와 공간 구조뿐만 아니라 실시간 속도 정보를 포함하는 4D 비전을 구현하며, 인간의 망막 성능을 상회하는 0.012°의 초고분해능을 제공한다. 이러한 소형화 및 고정밀 특성은 자율 주행, 로봇 자동화, 실시간 재난 맵핑 등 다각적인 영역에서 혁신적인 솔루션을 제시한다. 관련 시장 규모는 2020년 31억 달러에서 2025년 87억 달러로 가파른 성장세를 기록할 것으로 분석된다.
References
[1] Y.M.Cinema Magazine. (2026, March 12). The First 4D Imaging Sensor Has Arrived. https://ymcinema.com/2026/03/12/4d-imaging-sensor-lidar-depth-motion-chip/
[2] Chen, R., Wu, Y., Zhang, K., Liu, C., Li, W., Chen, Y., … Wang, X. (2025). Integrated bionic LiDAR for adaptive 4D machine vision. Nature Communications, 17, 24. https://doi.org/10.1038/s41467-025-66529-7
[3] PHIX Photonics Assembly. (n.d.). LiDAR. https://www.phix.com/markets/lidar/
[4] VLC Photonics. (n.d.). The importance of Photonic Integrated Circuits in the LiDAR. https://www.vlcphotonics.com/photonic-integrated-circuits-in-the-lidar/
[5] Wingtra. (2025, February 13). LIDAR vs. photogrammetry: what sensor to choose for a given application. By Emily Loosli. https://wingtra.com/lidar-drone/lidar-vs-photogrammetry-what-sensor-to-choose/
[6] Global Market Insights. (2025, October). Photonic Integrated Circuits for LiDAR Market Size & Share 2025–2034. https://www.gminsights.com/industry-analysis/photonic-integrated-circuits-for-lidar-market
[7] Fugro. (2025, July 1). Lidar applications in the modern world. https://www.fugro.com/news/long-reads/2025/lidar-applications-in-the-modern-world-fugro-longread
[8] Global Market Insights. (2025, July). 4D Imaging Radar Market Size & Share 2025–2034. https://www.gminsights.com/industry-analysis/4d-imaging-radar-market
[9] Wevolver. (2020, November 30). Key Application Areas for Integrated Photonics. By Jessica Miley. https://www.wevolver.com/article/key-application-areas-for-integrated-photonics
[10] Patsnap Eureka. (2025, September 5). LiDAR System Advancements via Topological Photonics. https://eureka.patsnap.com/report-lidar-system-advancements-via-topological-photonics
[11] Aerial Precision. (2024, July 1). Leveraging LiDAR Technology for Privacy Protection. https://www.aerial-precision.com/blogs/blog/leveraging-lidar-technology-for-privacy-protection
[12] Perry, Y., et al. (2026). Normalized Surveillance in the Datafied Car: How Autonomous Vehicle Users Rationalize Privacy Trade-offs. arXiv:2602.11026. https://arxiv.org/abs/2602.11026
[13] Cao, Y., et al. (2025). On the Realism of LiDAR Spoofing Attacks against Autonomous Driving Vehicle at Speed. NDSS Symposium 2025. https://www.ndss-symposium.org/wp-content/uploads/2025-628-paper.pdf
[14] Bianconi, S., Ribes-Pleguezuelo, P., & Silvestri, F. (2025). Requirements for next-generation integrated photonic FMCW LiDAR sources. Nature Communications, 16, 6739. https://doi.org/10.1038/s41467-025-62027-y
[15] Wang, Z., et al. (2025). Progress and prospects for LiDAR-oriented optical phased arrays based on photonic integrated circuits. npj Nanophotonics. https://www.nature.com/articles/s44310-025-00059-4
본 글은 공개된 연구를 바탕으로 정보 제공 목적으로 작성되었으며, 전문적인 판단을 대신하거나 의학적 진단이나 치료를 위한 근거로 사용될 수 없습니다.
댓글
댓글 쓰기