 |
| 좌측부터 조기춘 교수, 나유승 박사과정생, 박정우 석박통합과정생, 정성재 석사과정생, 이민원 석사과정생 (제공: 한양대) |
한양대학교 미래자동차공학과 조기춘 교수 연구팀이 세계 최고 권위의 인공지능(AI) 및 컴퓨터 비전 학회인 ‘CVPR 2026’의 자율주행 워크숍(WAD)에서 열린 글로벌 데이터 분석 대회 ‘Argoverse 2 Scenario Mining Challenge’에서 시공간(Spatio-Temporal) 부문 1위와 효율성 혁신상(Efficiency Innovation Award)을 동시에 차지하며 2관왕을 달성했다.
올해 1월 말부터 5월 말까지 진행된 이번 대회는 전 세계 64개 석학 및 기업 연구팀이 참가해 1,000건이 넘는 결과물을 제출하며 치열한 경쟁을 벌였다. 한양대 연구팀은 압도적인 기술력으로 2개 부문을 석권하며, 글로벌 모빌리티 기업 우버(Uber)가 후원한 상금 총 5,000달러(부문당 2,500달러)를 거머쥐는 쾌거를 이루었다.
◇말 한마디로 방대한 데이터 속 ‘위험 장면’ 골라낸다
자율주행차 한 대가 카메라와 라이다(LiDAR) 센서 등을 통해 생성하는 주행 데이터는 시간당 약 4테라바이트(TB)에 달한다. 하지만 이 중 대부분은 평범한 주행 장면이며, 안전 검증에 필수적인 위험하거나 드문 상황(희소 시나리오)은 극히 일부에 불과하다. 이 방대한 기록 속에서 필요한 장면만 컴퓨터가 쏙쏙 골라내도록 하는 기술이 바로 ‘시나리오 마이닝(Scenario Mining)’이다.
이번 대회의 토대가 된 벤치마크 ‘RefAV’는 카네기멜런대학교(CMU) 연구진이 구축한 것으로, 주행 데이터 속 시나리오 마이닝을 ‘자연어 질의를 코드로 번역’하는 문제로 정의한다. 마치 검색창에 문장을 입력하듯, 사용자가 찾고 싶은 상황을 말로 설명하면 해당 장면을 찾아주는 식이다.
예컨대 ‘중앙선을 침범해 진로를 가로막는 대형 차량’이라고 입력하면, 시스템이 문장의 의미를 파악해 실제 주행 데이터에서 해당 사건이 발생한 시점을 특정하고, 3차원 공간에서 해당 차량의 위치를 정밀하게 짚어낸다. 이렇게 찾아낸 위험 장면들은 자율주행 인공지능을 학습시키고 안전성을 검증하는 핵심 자료로 쓰인다.
◇자체 개발 멀티 에이전트 시스템 ‘OASIS’로 베이스라인 압도
기존의 방식은 거대언어모델(LLM) 하나에 모든 조건을 맡겨 코드로 옮기다 보니 오류가 잦았고, 날씨나 긴급차량처럼 주행 영상을 직접 봐야만 알 수 있는 시각 정보를 다루지 못하는 한계가 있었다.
조기춘 교수 연구팀은 이러한 한계를 극복하기 위해 자체 개발한 ‘OASIS’(Ontology-guided Agentic Scenario-mIning System) 기술을 제안했다. OASIS는 자연어 명령을 맥락·도로 행위자·행동·관계의 네 가지 축으로 정밀하게 분해한 뒤, 각 조건을 여러 전문 AI 에이전트와 비전-언어 모델(VLM)에 나누어 처리하도록 하는 ‘온톨로지 기반 멀티 에이전트’ 구조를 채택했다.
또한, 코드로 처리하기 어렵던 시각 정보는 영상을 미리 분석해 둔 장면 데이터베이스(Scene Database)와 실시간 영상 인식 기술을 결합해 완벽히 해결했다. 그 결과, 한양대 연구팀은 핵심 평가지표인 HOTA-Temporal에서 38.50점을 기록하며 공식 베이스라인을 무려 12.2점 차이로 크게 따돌리고 세계 1위에 올랐다.
조기춘 한양대 교수는 “방대한 주행 데이터에서 원하는 장면을 정확히 찾아내는 일은 미래 자율주행의 안전성과 신뢰성을 좌우하는 핵심 과제”라며, “하나의 모델에 모든 판단을 맡기던 기존 방식의 뚜렷한 한계를 넘어, 온톨로지 기반으로 의미를 구조화하고 전문 에이전트들이 협력하도록 설계한 것이 이번 세계대회 우승의 핵심 요인”이라고 밝혔다.
한편, 조기춘 교수의 지도 아래 진행된 이번 연구에는 박정우 석박통합과정생, 나유승 박사과정생, 정성재·이민원 석사과정 연구원이 참여했다. 이번 성과는 국내 자율주행 연구의 글로벌 위상을 높이는 동시에, 향후 자율주행 시스템의 안전성 검증 및 고품질 학습 데이터 확보 등 산업 현장에 실질적으로 활용될 것으로 기대된다.
