인더뉴스 김용운 기자ㅣ "쉬운 곳에서 1년을 달리는 것보다 복잡한 강남에서 한 달을 달리는 편이 AI 모델 학습에는 훨씬 유익하다."

 

카카오모빌리티는 지난 3월 자체 기술 기반 심야 자율주행 서비스인 '서울자율차'를 서울 강남 일대에서 시작했습니다. 당시 관련 업계에서는 카카오모빌리티가 굳이 서울 광화문 도심이나 판교 등을 놔두고 서울 강남 일대를 자율주행 서비스 지역으로 선택했는지 궁금해 하는 이들이 많았습니다.  

 

임인호 카카오모빌리티 자율주행개발팀 AI주행파트 리더는 지난 9일 서울 서초구 한국자동차모빌리티산업협회(KAMA)에서 열린 미디어 간담회에서 “쉬운 곳에서 1년을 달리는 것보다 복잡한 강남에서 한 달을 달리는 편이 AI 모델 학습에는 훨씬 유익하다”고 명쾌하게 설명했습니다. 

 

실제로 서울 강남 일대는 서울시내에서 가장 교통량이 많은 곳으로 꼽히고 있습니다. 때문에 서울시 교통정보시스템(TOPIS)은 강남대로의 강남역·신사역 구간과 테헤란로 선릉역, 언주로 매봉터널 등을 간선도로 교통량 조사 지점으로 관리하고 있습니다.

 

서울자율차는 지난달 31일 기준 누적 서비스 운행거리는 1만3000㎞, 운행 완료 건수는 2000건 이상입니다. 밤에는 승객을 태우고 서비스를 제공하며 낮에는 통행량과 보행자가 많은 시간대의 주행 데이터를 수집하고 있습니다.

 

이용자 만족도는 5.0점 만점에 4.97점으로 집계됐습니다. 승객 1회 탑승당 평균 이동 거리는 2.9km, 평균 이동 시간은 9.7분입니다.

 

자율주행 실력 가르는 돌발 상황…강남에서 학습

 

카카오모빌리티가 강남 일대를 선택한 가장 큰 이유는 '엣지 케이스'를 수집하기가 용이하기 때문입니다. 자율주행에서 엣지케이스란 불법 유턴과 신호위반 차량, 갑자기 도로에 진입하는 보행자처럼 예측하기 어려운 예외 상황을 뜻합니다.

 

신호와 교통규칙을 따르는 일반적인 주행 데이터는 상대적으로 풍부합니다. 반면 돌발 상황은 발생 빈도가 낮고 형태도 다양해 학습에 필요한 사례를 충분히 확보하기 어렵습니다. 회사는 이러한 상황에 대응하는 능력이 자율주행 성능을 높이는 데 중요하다고 보고 있습니다.

 

임 리더는 돌발 상황을 수능의 '킬러문항'에 비유했습니다. 익숙한 상황을 반복해서 경험하는 데 그치지 않고 어려운 문제를 충분히 학습해야 실제 도로에서 대응 능력을 높일 수 있다는 설명입니다. 임 리더가 꼽는 돌발 상황이란 불법 직진이나 유턴, 다양한 상황의 무단 횡단, 취객의 도로 점유, 갑작스런 공사 등 입니다. 

 

강남은 다양한 차량 움직임과 보행자 행동을 관찰할 수 있는 실증 공간입니다. 카카오모빌리티는 이곳에서 확보한 데이터를 바탕으로 한국 도심 환경에 맞는 자율주행 모델을 개발하고 있습니다.

 

임 리더는 해외 기업의 기술력이 뛰어나더라도 국내 도심에 적용하려면 해당 지역의 밀도 높은 데이터 수집이 필요하다며, 한국 도로 환경에 최적화된 데이터를 지속해서 축적하고 있다고 밝혔습니다.

 

많이 모으는 데서 필요한 사례를 빠르게 찾는 단계로

 

주행 기록을 모은 뒤에는 AI 학습에 필요한 사례를 골라내야 합니다. 방대한 영상과 센서 기록에서 유의미한 돌발 상황을 얼마나 빠르게 찾느냐가 모델 개선 속도를 좌우하기 때문입니다.

 

카카오모빌리티는 데이터 수집과 정제, 자동 라벨링, 데이터 마이닝, 모델 재학습으로 이어지는 처리 체계를 구축했습니다. 주행 중 예외 상황이 발생하면 앞뒤 상황을 함께 저장하고, 서버로 전송한 기록에서 학습에 필요한 사례를 선별합니다.

 

자동 라벨링은 차량과 보행자 등 주변 물체에 학습용 정보를 붙이는 작업입니다. 데이터 마이닝은 축적된 기록에서 필요한 조건이나 특징을 가진 사례를 찾는 과정입니다. 이렇게 가공한 데이터로 AI를 다시 학습시킨 뒤 개선한 모델을 차량에 적용합니다.

 

임 리더는 "수많은 데이터 속에서 어려운 데이터를 골라내는 효율에서 승부가 나는 것이 최근 AI 경쟁의 핵심"이라고 말했습니다.

 

과거에는 사람이 영상을 장면별로 확인했다면, 현재는 서버에 올린 기록을 AI가 자동으로 분석한다는 설명입니다. 날씨와 시간대, 도로 구조, 주변 차량의 움직임 등을 종합해 필요한 데이터를 빠르게 검색할 수 있도록 했습니다.

 

운전 감각 배우는 E2E…안전 평가기로 최종 확인

 

강남에서 수집한 데이터는 '엔드 투 엔드(End-to-End·E2E)' 자율주행 기술을 고도화하는 데 활용됩니다. 카카오모빌리티는 기존 AI 기반 주행 계획 기능을 확장해 연말까지 E2E 모델의 적용 비중을 높일 계획입니다.

 

규칙 기반 방식은 개발자가 도로 상황과 대응 방법을 미리 정의합니다. 각 단계의 판단 과정을 확인하기 쉽지만 실제 도로에서 발생할 수 있는 모든 상황을 규칙으로 정하는 데는 한계가 있습니다.

 

E2E는 실제 주행 데이터를 통해 AI가 운전 방법을 학습하는 방식입니다. 임 리더는 운전 교본을 기계에 하나씩 입력하는 것과 다양한 운전을 옆에서 지켜보며 숙련자의 감각을 익히는 것의 차이라고 설명했습니다.

 

다만 AI가 제시한 주행 계획을 그대로 실행하는 것은 아닙니다. 카카오모빌리티는 규칙 기반 '안전 평가기'를 결합해 해당 경로가 교통법규와 차량의 물리적 조건에 맞는지, 승차감에 문제가 없는지를 검증하고 있습니다. 적절한 경로를 선택하기 어려운 경우에는 차량을 안전하게 정차시키도록 설계했습니다. 회사는 실제 도로에서 이러한 구조를 검증하면서 E2E 적용을 확대할 방침입니다.

 

강남 실증 경험, 무인 서비스 운영으로 연결

 

강남에서의 서비스 운영은 주행 AI뿐 아니라 무인화에 필요한 관제와 승객 대응 경험을 쌓는 과정이기도 합니다.

 

정전과 신호 마비, 도로 침수, 공사와 집회 등은 차량 한 대의 판단만으로 대응하기 어려운 상황입니다. 무인 차량 안에서 승객에게 문제가 생겼을 때도 외부 지원이 필요합니다.

 

김민선 카카오모빌리티 자율주행사업팀 리더는 "무인 대규모 자율주행 시대의 핵심 경쟁력은 ‘주행 AI’뿐 아니라 ‘통합 관제와 현장 대응 역량’이 될 것"이라고 강조했습니다.

 

김 리더에 따르면, 카카오모빌리티는 24시간 고객상담센터와 현장 출동 인프라를 기반으로 관제 체계를 운영하고 있습니다. 차량을 한곳에서 관리하는 자율주행 통합 관제시스템(AICS)을 구현하고, 이상 상황이 감지되면 관제 요원이 경로를 재지정하는 등 원격으로 개입할 수 있도록 준비하고 있습니다.

 

현재 서울자율차는 안전요원이 탑승하는 실증 단계입니다. 회사는 강남의 복잡한 도로에서 확보한 데이터로 주행 성능을 높이는 동시에, 돌발 상황에 대응하는 운영 체계를 갖춰 레벨4 무인 자율주행 상용화가 목표입니다. 

 

김민선 리더는 "대규모 상용화를 위해서는 수익이 비용을 초과하는 수익성(Econimics) 모델 확보가 필수적"이라며 "현재는 안전한 고품질 모델 확보가 최우선이지만 향후 기술 경량화, 대량 생산을 통한 센서·키트 단가 절감, 효율적인 운영 구조 확립을 통해 비용 구조적 우위를 가져갈 계획"이라고 말했습니다.