이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
자율주행 알고리즘 개발에서 주로 사용한 언어는 탐색 단계에서는 Python, 실시간 구현에서는 C++의 조합이었습니다. Python은 빠른 프로토타이핑과 데이터 분석에 강하고, C++는 연산 성능과 메모리 제어가 중요한 실시간 모듈에서 적합했습니다.
ROS 기반 개발 환경에서는 노드 간 메시지 통신과 타임스탬프 동기화가 중요한 설계 과제였습니다. 센서 데이터를 수신하는 노드와 제어 명령을 출력하는 노드를 분리하면 각 모듈을 독립적으로 테스트하고 교체할 수 있었습니다.
언어 선택에서 실용적인 기준은 실행 환경의 제약이었습니다. 임베디드 타겟이 제한된 메모리와 연산 자원을 가졌을 때 런타임 오버헤드가 낮은 언어를 선택하는 것이 성능과 안정성 모두에 영향을 줬습니다. 개발 편의보다 실행 환경을 먼저 고려하는 습관이 생겼습니다.
자율주행 알고리즘 개발에서 Python으로 탐색 후 C++로 포팅하는 흐름을 실제로 경험했습니다. 경로 계획 알고리즘을 Python으로 먼저 구현하고 동작을 확인한 뒤, 실시간 루프에서 latency 요구를 맞추기 위해 C++로 다시 짜야 했습니다.
포팅 과정에서 Python에서 ms 단위였던 실행 시간이 C++에서 수십 μs로 줄어드는 걸 직접 측정했습니다. ROS로 두 언어를 연결하고, 탐색은 Python·실시간 제어는 C++ 노드로 분리했습니다. 언어 분리가 개발 속도와 실행 성능을 동시에 챙기는 구조를 만들었습니다.
이 경험으로 자율주행 개발에서 언어 선택은 단계별 목적에 맞게 달라져야 한다는 걸 배웠습니다. 탐색과 실행은 다른 도구가 어울립니다.
자율주행 알고리즘을 C++로 구현할 때 메모리 관리와 디버깅에 드는 시간이 Python보다 훨씬 긴 경험을 했습니다. 포인터 오류나 메모리 누수가 생겼을 때 원인을 찾는 데 알고리즘 개선보다 더 많은 시간을 쓰기도 했습니다.
이 한계 때문에 C++로 구현하기 전에 Python으로 먼저 검증하는 절차를 두게 됐습니다. 검증된 로직만 C++로 옮기니 메모리 오류보다 성능 최적화에 집중할 수 있는 시간이 늘었습니다.
이 경험으로 C++의 강점은 명확하지만 생산성 비용도 크다는 것을 솔직하게 인정하게 됐습니다. 두 언어를 단계별로 나눠 쓰는 것이 현실적인 방식이었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 현대자동차 ML 엔지니어 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.