“사람은 ‘슥’ 피하는데”…자율주행 AI가 쩔쩔매는 순간들

직진 100번보다 ‘돌발상황’ 한 번…자율주행 AI 공부법

AI가 그린 일러스트.

이면도로에 차량이 세워져 있으면 주행 중인 운전자는 자연스럽게 스티어링 휠을 틀어 피해 간다. 달리던 차선이 갑자기 희미해지거나 사라져도 주변 차량과 도로 상황을 살펴 주행을 이어간다. 하지만 사람에게는 평범한 이런 상황이 자율주행 인공지능(AI)에게는 풀기 어려운 숙제다.

14일 업계에 따르면 현대자동차·기아 첨단차플랫폼(AVP)본부와 포티투닷은 실제 도로에서 자율주행 AI가 판단하기 어려워하는 이 같은 ‘엣지 케이스’를 집중적으로 수집해 자체 자율주행 AI인 ‘아트리아 AI’ 학습에 활용하고 있다.

실제 도로에는 자율주행 AI를 당황하게 만드는 변수가 곳곳에 숨어 있다. 도로 공사 구간을 만나거나 갑자기 다른 차량이 차로를 바꾸는 경우, 악천후로 주변을 인식하기 어려워지는 상황 등이 대표적이다. 이면도로에 주정차된 차량을 피해 주행하는 것도 AI에는 까다로운 과제다. 현대차그룹이 현재 수집하는 데이터에도 이 같은 상황들이 포함돼 있다.

박민우 현대차·기아 AVP본부장(사장) 겸 포티투닷 대표도 지난 11일 열린 ‘현대차그룹 자율주행 미디어 데이’에서 도로 가장자리에 주정차된 차량을 피해 가거나 차선이 사라지는 상황 등을 자율주행 AI가 어려움을 겪었던 사례로 들었다. 데이터 수집과 학습을 반복하면서 이 같은 상황에 대한 주행 성능도 개선됐다는 설명이다.

자율주행 AI 개발에서는 단순히 얼마나 많은 거리를 달렸느냐보다 어떤 사황을 경험했느냐가 중요하다. 실제 수집되는 데이터 가운데 AI 학습 가치가 높은 엣지 케이스는 극히 일부에 불과하다. 이미 충분히 학습한 평범한 고속도로 직진 장면을 계속 보여줘도 AI의 성능이 크게 좋아지지 않는다는 게 현대차그룹의 설명이다.

포티투닷이 현재 40여대의 데이터 수집 전용 차량을 주야간으로 운영하는 이유도 여기에 있다. 차량 한 대당 일주일에 80시간 이상의 주행 데이터를 확보하고 있지만 전체 데이터의 절반가량은 직선 차로 정속 주행처럼 서로 유사한 데이터다. 언제 어디서 발생할지 모르는 엣지 케이스를 최대한 많이 확보하려면 그만큼 많은 차량이 다양한 도로를 달려야 한다.

현대차그룹은 ‘하드 이그잼플 마이닝’(Hard Example Mining) 기술을 활용해 AI가 오인식하거나 판단하기 어려워하는 장면을 자동으로 골라낸다. 이를 다시 AI에 반복적으로 학습시키고 실제 차량에서 검증해 취약점을 찾아내는 과정을 되풀이한다.

실제 차량에서 새로운 취약 상황이 발견되면 이를 다시 데이터 수집과 AI 학습으로 연결해 성능을 개선한다. 현대차그룹은 이러한 데이터 수집·학습·검증·배포의 선순환 구조를 ‘데이터 플라이휠’이라고 부른다.

실제 도로에서 반복하기 어렵거나 위험한 상황은 가상 공간에서도 재현한다. 실제 주행 영상을 3차원 환경으로 만드는 ‘3D 가우시안 스플래팅’ 기술 등을 이용해 다양한 엣지 케이스를 반복적으로 만들어 AI가 제대로 대응하는지 검증하는 방식이다.

현대차그룹은 이 같은 학습 체계를 기반으로 2029년 하반기 아트리아 AI를 적용한 레벨2++ 차량을 양산할 계획이다.

임주희 기자 ju2@dt.co.kr