– 국내 최초로 자율주행 E2E AI 개발을 위한 데이터 레퍼런스 정립
– 미국, 중국 등 글로벌 기술 동향 변화에 신속 대응을 위한 토대 마련
과학기술정보통신부(부총리 겸 과학기술정보통신부 장관 배경훈, 이하 ‘과기정통부’)는 자율주행 인공지능(AI) 개발에 필수적인 학습데이터를 국내 산·학·연이 함께 구축하고 쉽게 상호 공유할 수 있도록 지원하기 위한 「자율주행 E2E 데이터 구축 가이드라인 및 규격 정의서」(이하 ‘가이드라인’)을 발간했다고 밝혔다.
최근 글로벌 자율주행 패러다임은 대량의 데이터를 학습한 하나의 인공지능(AI)이 인지, 판단, 제어를 통합 수행하는 엔드투엔드*(End-to-End, 이하 ‘E2E’) 방식으로 전환되고 있으며, 이 방식은 막대한 양의 학습데이터가 필수적인 만큼 웨이모(미국), 바이두(중국) 등 글로벌 선도 기업들도 실증 거리를 확대하며 학습데이터 구축량을 늘리는데 주력하고 있다.
* 센서 입력부터 제어 명령까지를 하나의 AI 모델로 구현하는 방식으로, 정의한 규칙에 따라 움직이는 Rule-based 방식과 달리 정의하지 않은 상황에서도 유연한 대응 가능
그러나, 국내는 자율주행 학습데이터를 각 기업·기관이 개별적으로 구축하고 있고, 차종에 따라 센서 위치 등이 다를 경우 학습데이터를 상호 공유하기 어려워 데이터 부족 문제가 지속되며, 이는 데이터양과 인공지능(AI) 성능이 비례하는 E2E 방식 기술개발의 병목으로 작용해 왔다.
과기정통부는 이러한 국내 상황에서 학습데이터 공유·활용을 극대화하고 기술 동향 변화에 빠르게 대응하기 위해 본 가이드라인을 개발하였다.
가이드라인은 자율주행 E2E AI 학습에 필수적인 데이터 전 주기를 포괄하며, 국내 연구진의 연구 편의성을 높이는데 집중했다.
먼저, ①데이터 수집, 가공, 정합·보정, 라벨링 등 자율주행 E2E 학습데이터 구축 절차를 정의하는 것으로 시작한다. 이후에는 ②센서 구성과 저장 포맷 등 수집 시스템 요구사항과 이렇게 수집된 원시데이터의 검증 방법을 제시하였으며, ③시나리오 선별 등 데이터 가공, ④위치 보정, 공간 정합 등 정합·보정 방법, ⑤라벨링 항목과 라벨링을 통해 생성되는 학습데이터 셋 규격 등 라벨링 방법을 정리한 후, 이를 기반으로 구축한 ⑥학습데이터 사례를 제시한다.
본 가이드라인은 범부처 자율주행 R&D 사업*의 과제를 통해 개발한 과기정통부 핵심 성과 중 하나이며, 기존의 연구개발 계획에 머물지 않고 급변하는 글로벌 기술 동향에 대응하기 위해 정보통신기획평가원(IITP)과 자율주행기술개발혁신사업단(KADIF), 한국전자통신연구원(ETRI)과 함께 과제 목표를 상향 조정하면서 한국전자통신연구원(ETRI) 주도로 개발하였다.
* 「자율주행기술개발혁신사업」 (‘21년~’27년, 과기정통부·산업부·국토부·경찰청 협업)
또한, 가이드라인 초안 수립(’25년 말) 이후에도 ’26년 한국 ITS 학회 특별세션(’26.4.23.), 자율주행 산·학·연 간담회(’26.6.9.) 등을 통해 업계와 전문가 의견을 지속 수렴하였으며, 가이드라인이 이론에 그치지 않도록 국토교통부와 협력하여 도시 단위로 대규모 E2E AI 학습데이터 구축을 지원하는 자율주행 실증도시 등에 실제 활용하면서 지속 보완해나갈 계획이다.
본 가이드라인은 자율주행기술개발혁신사업단 홈페이지(www.kadif.kr)에서 확인할 수 있으며, 학교, 기업, 연구소 등 가이드라인을 활용하고 싶은 누구나 자유롭게 열람할 수 있다.
과기정통부 박태완 정보통신산업정책관은 “본 가이드라인을 통해 공동 활용 가능한 자율주행 데이터 체계가 구축되고, 고품질 데이터 기반의 자율주행 기술력을 확보할 수 있는 토대가 마련되었다.”라면서, “향후 관계부처와 지속 협의하고, ’24년부터 매년 개최 중인 ‘자율주행 AI 챌린지’에도 연계하여 본 가이드라인이 실질적으로 활용되고 성과를 창출할 수 있도록 지속 노력하겠다.”라고 밝혔다.
