스트라드비젼 “자율주행 경쟁력, 모델보다 데이터 검증 체계가 좌우” [FMF2026]
||2026.04.30
자동차 업계가 인공지능(AI)과 실증 데이터를 기반으로 자율주행 기술 고도화를 추진하고 있다. 특히 실제 도로 환경에서 수집한 데이터를 바탕으로 주행 편차를 줄이는 것이 핵심 과제로 떠오르고 있다. 이에 자율주행 기술 개발 업체들은 실증 데이터를 지속적으로 확보하고, 이를 학습·검증 과정에 순환시켜 자율주행 AI의 성능을 개선하는 데 초점을 맞추고 있다.
김인수 스트라드비젼 데이터 이노베이션 센터장은 30일 IT조선이 개최한 ‘미래 모빌리티 포럼 2026’에서 이 같은 내용을 설명했다. 김 센터장은 ‘AI와 실증 데이터가 만드는 자율주행의 진화’를 주제로 발표하며 “자율주행 기술 고도화는 실제 도로 환경에서 수집한 데이터가 기반이 된다”고 강조했다.
김 센터장은 “자율주행은 레벨2 수준의 운전자 보조 시스템(ADAS)부터 검증돼 레벨4로 확장되고 있다”며 “이를 위해서는 실제 도로 환경에서 수집된 실증 데이터에 대한 검증과 성능 개선 체계가 필요하다”고 말했다. 이어 “실증 데이터를 토대로 경쟁력을 확보해야 신뢰할 수 있는 자율주행을 개발할 수 있다”고 덧붙였다.
실제로 자율주행 기술 개발 업체들은 ‘실증 데이터 수집-데이터 처리-모델 학습-실도로 검증-피드백 및 개선’ 과정을 통해 자율주행 기술 고도화를 추진하고 있다. 특히 이 과정에서는 방대한 데이터가 수집되기 때문에 이를 처리하고 학습할 수 있는 고성능 AI가 필요하다.
김 센터장은 “이 과정에서 모든 실증 데이터를 확보하는 것은 매우 어렵다”며 “이를 보완하기 위해 기존 데이터를 기반으로 새로운 데이터를 확장하는 합성 데이터나 게임 엔진과 같은 시뮬레이션 데이터를 활용해 학습 또는 평가에 반영하고 테스트를 진행한다”고 말했다.
그는 “가장 중요한 것은 실제 데이터와 가상 데이터의 차이를 파악하는 것이며, 이것이 자율주행 기술 수준을 좌우한다”고 강조했다. 예컨대 갑자기 보행자가 뛰어드는 상황이나 지리적·국가적 특성을 반영해야 하는 경우, 실제 데이터를 기반으로 각 환경에 맞게 AI를 활용해 3D 물체를 생성한다. 이후 생성한 3D 데이터를 실제 데이터에 자연스럽게 적용하기 위해 다시 AI 모델을 이용해 기존 데이터에 합성한다.
김 센터장은 “이러한 과정을 통해 하나의 실증 데이터를 활용해 자동차가 주행하는 다양한 시나리오를 확장하고 증강할 수 있다”며 “실제로 동물 인식 시나리오의 2D 인식 정확도는 66.8%의 성능 개선을 달성했다”고 말했다.
김 센터장은 디지털 트윈 기법을 활용한 검증 과정을 통해서도 기술 고도화를 추진할 수 있다고 설명했다. 그는 “디지털 트윈 기법을 통해 시나리오를 정의하고, 이에 맞게 시뮬레이션을 생성한다”며 “이는 실도로 관측 데이터를 기반으로 디지털 재구성을 거치고, 반복 검증을 통해 오차를 줄이는 방식으로 진행된다”고 말했다.
그는 자율주행의 경쟁력이 모델과 기술 중심에서 플랫폼, 인프라, 데이터 중심으로 옮겨가고 있다고 강조했다. 김 센터장은 향후 자율주행 기술에서 데이터 생성 방식과 효율적인 처리, 분석 역량이 핵심 경쟁력이 될 것이라고 내다봤다.
김 센터장은 “자율주행은 실증 데이터와 검증 없이는 완성될 수 없다”며 “특히 사고와 같은 희귀 데이터의 경우 합성 데이터와 시뮬레이션 데이터를 확보해 검증을 거치고 신뢰성을 높이는 것이 핵심”이라고 말했다.
이어 “자율주행의 경쟁력은 모델이 아니라 검증과 실행 체계가 결정할 것”이라며 “향후 이러한 실행 체계는 자율주행뿐 아니라 로보틱스 등 다양한 분야에도 활용될 것으로 예상된다”고 덧붙였다.
허인학 기자
ih.heo@chosunbiz.com
