강남 사거리를 지나고, 잠실 로터리를 돌고, 공사 구간 앞에서 급차선을 변경하는 차량들 사이를 누비는 자율주행차. 이 복잡한 도심 한복판을 AI가 막힘없이 달린다면 어떨까요? 현대차그룹이 자율주행 기술의 승부처를 '센서 경쟁'에서 '주행 빅데이터 학습 속도'로 전환하며 본격적인 실증 성과를 공개했습니다.
자율주행의 새로운 판도, '데이터 플라이휠' 가동
현대차그룹은 최근 서울 도심에서 레벨 2++ 자율주행 기술 실증을 진행하며, 데이터 플라이휠(Data Flywheel)이라는 선순환 체계를 본격 가동했습니다. 이는 실제 도로에서 수집한 주행 데이터를 AI 학습에 활용하고, 개선된 모델을 다시 차량에 적용해 추가 데이터를 얻는 구조입니다.
데이터를 모으고, 학습하고, 다시 도로에서 검증하는 이 순환이 빠를수록 자율주행 기술은 더 빠르게 진화합니다. 현대차그룹은 데이터 수집 전용 차량 40여 대를 운영하며 주야간 실도로 데이터를 축적하고 있으며, 현대차·기아·포티투닷·모셔널 등 그룹사와 파트너사의 데이터를 하나의 기준으로 묶는 데이터 유니언(Data Union) 구조도 구축했습니다.
핵심 기술 3가지로 본 도심 자율주행의 진화
현대차그룹이 공개한 기술 체계는 단순한 데이터 수집을 넘어, 어떤 데이터를 어떻게 학습할 것인가에 초점을 맞췄습니다.
1) 하드 이그잼플 마이닝(Hard Example Mining)
고속도로 직진처럼 무의미한 데이터 대신, 공사 구간·급차선 변경·주정차 차량·악천후 같은 돌발 상황만 선별해 수집합니다. 예외 상황 데이터를 집중 확보해 AI가 취약한 부분을 빠르게 보완하는 방식입니다.
2) 지속적 학습(Continuous Training)
수집된 취약 상황 데이터를 AI 모델에 실시간 반영하는 파이프라인을 구축했습니다. 도로에서 발견된 새로운 패턴이 즉시 학습에 투입되며, 모델 개선 속도가 기하급수적으로 빨라집니다.
3) 3D 가우시안 스플래팅(3D Gaussian Splatting)
실제 도로 영상을 가상 3D 공간으로 재구성해, 고난도 도심 환경을 안전하게 반복 검증하는 시뮬레이션 기술입니다. 실차 테스트로는 위험하거나 비용이 큰 상황도 가상에서 무제한 재현할 수 있습니다.
투트랙 전략: 빠른 양산과 독자 AI 병행
현대차그룹은 엔비디아와 협력해 레벨 2++ 차량을 2029년 하반기 양산하는 동시에, 포티투닷 주도로 독자적인 차세대 AI인 아트리아 AI와 VLA(Vision-Language-Action) 모델을 개발 중입니다. 엔비디아 협력으로 시장 진입 속도를 높이고, 양산 차량에서 쌓인 데이터로 독자 AI를 고도화하는 전략입니다.
센서 체계도 엔비디아 드라이브 하이페리온 10 중심으로 표준화해, 그룹사와 파트너사의 서로 다른 차량 데이터를 일관된 형태로 통합했습니다. 이는 연간 700만 대 이상 판매하는 현대차그룹의 글로벌 네트워크를 실도로 데이터 생태계로 연결하는 기반이 됩니다.
데이터가 완성차의 미래 경쟁력이 되는 시대
자율주행 기술의 본질은 이제 '센서가 얼마나 좋은가'가 아니라 '얼마나 많은 예외 상황을 학습했는가'로 옮겨가고 있습니다. 복잡한 도심 도로를 스스로 판단하며 달리는 자율주행차, 여러분은 언제쯤 일상에서 타보고 싶으신가요? 현대차그룹의 데이터 기반 자율주행 전략이 그 시기를 앞당길 수 있을지 주목됩니다.
[출처]
댓글 0
아직 댓글이 없습니다. 첫 댓글을 남겨보세요!