[공학저널 전찬민 기자] 기본적으로 자율주행은 ‘안전’이라는 기능을 필수로 만족해야 한다. 여기서 ‘안전’은 사람을 대신해 안전을 보장할 수 있는 기능을 의미하며, 자율주행차에 탑승한 사람의 안전은 물론 자율주행차가 운영되는 공간에서의 안전도 포함하는 것이다.
현재 자율주행차는 자체적인 센서와 알고리즘으로 ‘안전’을 보장할 수 있는 기술을 개발하고 있지만, 자율주행차가 운영되는 공간은 보행자, 비자율주행차 등의 돌발적인 행동과 주행을 포함해 악천후, 도로공사, 낙하물 등 자율주행차 자체로 예측과 판단하기 어려운 다양한 위험요소들이 공존하고 있다. 또한, 자율주행차가 ‘안전’을 만족하기 위해 보수적인 주행을 할 경우 오히려 교통 혼잡과 교통류를 방해하는 원인이 될 수 있다.
이러한 문제들로 인해 자율주행을 지원하는 인프라 구축의 필요성이 강조되고 있다. 이러한 필요성을 기반으로 인프라 측면에서 자율주행차가 안전하게 원활한 교통류를 생성할 수 있도록 가이드 정보를 제공하는 기술이 바로 ‘인프라 가이던스 기술’이다.
인프라 가이던스 기술은 모든 인프라 가이던스 서비스 대상 공간을 만족하는 하나의 알고리즘을 개발하는 것보다 대상 공간에서 수집된 데이터를 기반으로 공간적 특성과 서비스 목적에 적합한 데이터로 최적화시키는 것이 성능과 데이터 비용 부분에서 더 효율적이다.
과거 학습을 위한 데이터도 부족하고 학습모델 자체를 개발해야 하는 상황에서 대부분의 알고리즘 개발은 빅데이터 기반의 모델 중심(Model-Centric AI)으로 진행된다.
Model-Centric AI 접근법은 빅데이터를 기반으로 하고 있어서, 시간이 지날수록 알고리즘 성능 향상을 위해 필요한 학습용 데이터의 절대적인 양은 증가할 수밖에 없으며, 이에 따라 개발 비용과 소요시간이 증가하는 문제점이 발생하고 있다.
하지만, 인공지능 산업과 기술의 급격한 성장과 함께 수집되는 데이터의 양은 지속적으로 증가하고 학습모델 역시 우수한 성능의 오픈 소스들이 공개되면서 모델이 아닌 데이터에 집중하는 데이터 중심(Data-Centric AI)의 개발이 빠르게 확산되고 있다. Data-Centric AI는 스몰 데이터를 기반으로 모델 학습과 성능 평가를 통해 반복적인 부족한 데이터를 큐레이션해 데이터를 최적화면서 동시에 모델을 고도화하는 접근법이다.
인프라 가이던스 기술 개발에는 Data-Centric AI를 기반으로 하는 파이프라인을 구축하고 스몰 데이터 기반으로 지속적인 데이터 최적화와 알고리즘 고도화를 진행하는 것이 적합하다고 볼 수 있다. 이에 따라 ‘인프라 가이던스를 통한 자율차 주행지원 기술 개발’ 연구과제에서 Data-Centric AI를 기반으로 알고리즘을 최적화, 경량화하는 기술이 개발되고 있으며, ㈜에이모가 그 역할을 담당하고 있다.
에이모는 이번 과제의 성공적인 목표 달성과 함께 궁극적으로 인프라 가이던스 기술의 상용화를 위해 ‘구축되는 인프라의 공간 및 교통 특성에 따라 학습에 필요한 데이터는 다르다’, ‘인프라 가이던스 알고리즘은 지속적으로 고도화될 수 있어야 한다’, ‘데이터 비용을 최소화할 수 있어야 한다’는 전제로 네 가지 핵심 비전을 기반으로 한 기술 최적화를 진행하고 있다.
그 핵심 기술을 살펴보면, 첫 번째는 알고리즘을 통해 인프라 가이던스 서비스의 ODD를 만족하는 데이터를 빠르게 선별하는 기술이며, 두 번째 기술은 Data-Centric AI에 따른 데이터 파이프라인을 통해 ODD 조건별 데이터 구성비 밸런싱에 따른 모델 학습에 필요한 최소 데이터를 큐레이션하는 기술이다. 세 번째는 모델 학습-평가-분석-데이터 큐레이션의 반복적인 과정을 통해 강건한 최적 데이터셋을 생성하는 기술이고, 마지막은 이 과정이 진행되면서 ML 파이프라인을 통해 모델은 학습과 각 단계별 자동화에 사용되는 모델에 재 배포돼 데이터 생산성을 높이는 기술이다.
에이모 김재환 CSO(사진)는 “에이모의 최적화 기술은 인프라 가이던스 서비스 대상의 공간과 교통 특성을 반영하면서 동시에 ODD를 만족하는 알고리즘을 개발할 수 있고 데이터 및 ML 파이프라인을 통해 지속적인 알고리즘 성능 고도화가 가능하다”며 “또한, 데이터 관련 비용을 절감할 수 있으며, 이러한 효과를 통해 결과적으로 인프라 가이던스 기술과 서비스의 상용화 가능성을 높이는데 기여할 수 있다”고 말했다.
이처럼 에이모는 국가 주요 연구과제에 참여하는 등 자율주행 알고리즘 개발 전 주기에서 요구되는 데이터를 서비스할 수 있는 기술 개발을 이어 나가며 자율주행 데이터 전문기업으로서의 기술력을 인정받고 있다.
특히, 에이모의 자율주행 데이터 수집 차량을 이용해 다양한 시나리오 기반의 AIMMO Dataset을 구축하며, Data-Centric AI를 통한 데이터 생산 프로세스와 파이프라인을 내재화 했다. 또한, AIMMO Dataset을 활용해 데이터 생산성을 높일 수 있는 다수의 알고리즘을 개발해 툴 및 프로세스에 적용해 고도화된 자율주행 데이터 생산 인프라도 구축했다.
이와 함께 에이모는 국내 완성차와 부품사를 포함해 20개 이상의 자율주행 기업들의 과제를 수행하면서 전문성을 높이고 있으며, 지난해부터는 글로벌 비즈니스를 추진하며 독일, 미국, 영국, 일본의 완성차, Tier 1과의 다수의 PoC와 과제 수행을 통해 글로벌에서도 인정받는 자율주행 데이터 전문기업으로 성장하고 있다.
김 CSO는 “우선, 이번 연구과제에서 인프라 가이던스 알고리즘 개발에 필요한 최적 데이터를 효율적으로 생산하는 기술의 고도화와 인프라 가이던스 실증을 위한 알고리즘 최적화와 경량화 기술을 개발할 계획”이라며 “이러한 자율주행 인프라 기술을 기반으로 에이모는 자율주행을 포함한 스마트시티의 다양한 서비스에서 필요로 하는 최적의 데이터를 서비스하는 글로벌 기업으로 도약하고자 최선을 다할 계획”이라고 말했다.
