한양대 조기춘 교수 연구팀, 자율주행 데이터 분석대회 2관왕

왼쪽부터 한양대 조기춘 교수, 나유승 박사과정생, 박정우 석박통합과정생, 정성재 석사과정생, 이민원 석사과정생.

한양대학교 미래자동차공학과 조기춘 교수 연구팀이 글로벌 데이터 분석 대회 ‘Argoverse 2 Scenario Mining Challenge’에서 2관왕에 올랐다. 세계적으로 권위를 인정받는 인공지능(AI)·컴퓨터 비전 학회인 ‘CVPR 2026’ 자율주행 워크숍(WAD)에서 열린 대회에서 조 교수 연구팀은 시공간(Spatio-Temporal) 부문 1위와 함께 효율성 혁신상(Efficiency Innovation Award)을 받았다.

이번 대회는 올해 1월 말부터 5월 말까지 진행됐으며, 전 세계 64개 대학·기업 연구팀이 참가해 1000건이 넘는 결과물을 제출했다. 한양대 연구팀은 2개 부문 수상으로 우버(Uber)가 후원한 상금 총 5000달러를 받았다.

대회에서 주목받은 핵심 기술은 자율주행 데이터에서 위험하거나 드문 주행 장면을 찾아내는 ‘시나리오 마이닝’ 이다. 자율주행차는 카메라와 라이다(LiDAR) 센서 등을 통해 시간당 약 4테라바이트(TB)의 주행 데이터를 생성하지만, 안전 검증에 필요한 희소 시나리오는 일부에 그친다. 시나리오 마이닝은 방대한 주행 기록에서 필요한 장면을 찾는 기술이다.

이번 대회에 쓰인 벤치마크 ‘RefAV’는 카네기멜런대(CMU) 연구진이 구축했다. 사용자가 “중앙선을 침범해 진로를 가로막는 대형 차량”과 같이 자연어로 상황을 설명하면, 시스템이 실제 주행 데이터에서 해당 장면의 시점과 차량 위치를 찾아내는 방식이다.

조 교수 연구팀은 자체 개발한 ‘OASIS(Ontology-guided Agentic Scenario-mIning System)’를 제안했다. OASIS는 자연어 명령을 맥락·도로 행위자·행동·관계 등 네 축으로 나누고, 여러 전문 AI 에이전트와 비전-언어 모델(VLM)이 각 조건을 처리하도록 설계한 온톨로지 기반 멀티 에이전트 시스템이다.

기존 방식은 하나의 거대언어모델(LLM)에 조건 해석과 코드 변환을 맡겨 오류가 생기기 쉬웠고, 날씨나 긴급차량처럼 영상 확인이 필요한 시각 정보를 다루는 데 한계가 있었다. 연구팀은 영상 분석 장면 데이터베이스와 실시간 영상 인식 기술을 결합해 이를 보완했다.

그 결과 한양대 연구팀은 핵심 평가지표인 HOTA-Temporal에서 38.50점을 기록했다. 공식 베이스라인보다 12.2점 높은 점수다.

조기춘 교수는 “방대한 주행 데이터에서 원하는 장면을 정확히 찾는 일은 자율주행 안전성 검증의 핵심 과제”라며 “의미를 구조화하고 전문 에이전트가 협력하도록 설계한 점이 성과로 이어졌다”고 말했다.

한편 이번 연구에는 조 교수 지도 아래 박정우 석박통합과정생, 나유승 박사과정생, 정성재·이민원 석사과정생이 참여했다.

김나혜 인턴기자 kim.nahye1@joongang.co.kr