과학 포털 iKAOS

2 Contents

[ETRI 기술적 대화] 나에게 자율주행은 '우리'다!

자율주행 기술은 단순히 차량을 스스로 움직이게 하는 것을 넘어, 인간의 운전 수준에 도달하기 위한 끊임없는 노력을 요구합니다. 한국전자통신연구원(ETRI)의 연구진은 주로 영상 데이터를 활용하여 주변 상황을 지능적으로 이해하고, 운전자에게 실질적인 도움을 줄 수 있는 인식 기술을 연구하고 있습니다. 특히 운전자가 주행에 집중하지 않는 상황에서도 인공지능이 이를 인지하여 부드러운 감속이나 출발을 지원함으로써, 사용자가 더욱 편안하고 안전하게 이동할 수 있는 휴먼-머신 인터랙션 환경을 구축하는 것이 이 연구의 핵심적인 목표입니다. 자율주행의 상용화를 위해서는 엄격한 기준의 자율주행 임시운행허가를 취득하는 과정이 필수적입니다. 연구팀은 국내 자율주행 연구 초기에 이미 두 대의 차량에 대해 임시운행허가를 획득하며 독보적인 기술력을 입증하였으며, 지금까지 단 한 건의 사고 없는 주행을 이어오고 있습니다. 연구진은 일상적인 주행 데이터뿐만 아니라 공사 현장과 같은 특수한 돌발 상황의 데이터를 수집하기 위해 수년째 블랙박스 영상 데이터를 정밀 분석하며 귀중한 연구 자산을 쌓아가고 있습니다. 이는 인공지능의 인식 기술을 고도화하여 실제 도로 위에서의 신뢰성을 높이는 중요한 밑거름이 됩니다. 현재 개발된 기술은 실험실에만 머물지 않고 실제 일반 도로 위를 매일 주행하며 실시간으로 성능을 검증받고 있습니다. 연구의 진정한 성과는 고정된 결과물이 아니라, 팀원들의 협력을 통해 기술이 끊임없이 업데이트되고 더 나은 방향으로 진화해 나가는 과정 그 자체에 있습니다. 연구진은 자신들의 핵심 기술이 다양한 기업에 이전되어, 유망한 스타트업들이 글로벌 시장에서 경쟁력을 갖춘 서비스를 제공할 수 있도록 돕는 플랫폼 역할을 자처합니다. 이를 통해 기술적 완성도를 높이는 동시에 국내 자율주행 산업 생태계 전반의 성장을 견인하고자 하는 의지를 보여줍니다. 기술 개발의 궁극적인 지향점은 그 혜택이 모든 사람에게 고르게 돌아가는 보편적 모빌리티를 실현하는 것입니다. 기존의 교통 시스템에서 소외되었던 계층까지 아우를 수 있도록 특수 목적의 자율주행 솔루션을 보급하고 관련 기업들을 지원하는 데 주력하고 있습니다. 대한민국에서 자율주행을 연구하는 모든 이들이 자부심을 느낄 수 있는 환경을 조성하고, 국민들이 일상에서 안전하고 편리하게 이 기술을 누리는 미래를 꿈꿉니다. 이는 단순한 공학적 성취를 넘어 사회적 문제를 해결하고 인간의 삶의 질을 근본적으로 향상하려는 과학 기술인의 사명감과도 맞닿아 있습니다. 오랜 시간 함께 연구하며 삶의 궤적을 공유해 온 연구진에게 자율주행은 직업적 영역을 넘어 인생 그 자체와 깊이 연결되어 있습니다. 동료이자 인생의 파트너로서 서로의 열정을 지지하고 북돋워 주는 관계는 연구의 깊이를 더해주는 가장 든든한 버팀목이 됩니다. 각자의 위치에서 최선을 다하면서도 '우리'라는 가치 아래 함께 성장해 나가는 모습은 자율주행 기술이 지향해야 할 인간 중심의 협력적 가치를 상징적으로 보여줍니다. 기술이 결국 사람을 향하듯, 이들의 연구 또한 신뢰와 애정을 바탕으로 더욱 따뜻하고 지능적인 미래 사회를 향해 한 걸음씩 나아가고 있습니다.

한국전자통신연구원ETRI 기술적 대화

융합
공학·기술

영상 데이터 자동 레이블링 시스템

현대 인공지능 기술의 핵심인 영상 학습 데이터 구축을 획기적으로 개선하기 위해 '달달'이라는 이름의 자동 레이블링 저작 도구가 개발되었습니다. 이 시스템은 단순한 저작 도구를 넘어 AI 기반의 자동 레이블링 기술과 순환형 학습 구조가 결합된 통합 솔루션입니다. 과거에는 작업자가 영상 내 객체를 일일이 찾아 테두리를 그리는 고된 수동 작업이 필수적이었으나, 이제는 시각지능 모델이 사전에 객체를 인식하여 레이블을 자동 생성합니다. 작업자는 생성된 결과물을 확인하고 검수하는 역할만 수행하면 되기에 작업의 편의성이 대폭 향상되었습니다. 이 시스템의 가장 큰 강점은 사용자의 추가 데이터를 바탕으로 끊임없이 진화하는 순환형 학습 구조에 있습니다. 일반적인 객체 인식 모델은 사전에 학습된 데이터 외의 새로운 객체를 인식하는 데 한계가 있지만, 본 시스템은 재훈련 기술을 통해 인식 성능을 지속적으로 보정합니다. 현재 약 80여 종의 사물을 사각형이나 다각형 형태로 정밀하게 인식하며, 도메인의 특성에 맞춰 모델을 유연하게 변경할 수도 있습니다. 이러한 방식은 작업자의 숙련도와 상관없이 일정한 품질의 데이터를 대량으로 확보할 수 있는 안정적인 기술적 기반을 제공합니다. 연구진은 실제 도로 영상 데이터 구축 과정에서 겪은 수동 작업의 번거로움을 해결하고자 이 기술을 고안하게 되었습니다. 단순히 편리한 도구를 만드는 것에 그치지 않고, AI 모델의 개발과 운영을 유기적으로 연결하는 데브옵스 개념을 접목한 것이 개발의 시작점이었습니다. 특히 모델의 성능을 스스로 개선할 수 있는 순환형 학습 구조를 구상하여 지식재산권으로 출원하는 성과도 거두었습니다. 이는 연구 현장에서의 실제적인 필요성이 창의적인 기술적 아이디어와 결합하여 현장의 문제를 해결하는 혁신적인 시스템으로 탄생한 좋은 사례라 할 수 있습니다. 기술 구현 과정에서는 모델 학습을 위한 자원 확보와 연산 시간 지연이라는 현실적인 장벽에 부딪히기도 했습니다. 실시간에 가까운 속도로 대용량 영상을 처리하기 위해 연구팀은 도커 기반의 컨테이너 구조를 채택하여 서비스와 훈련 과정을 효율적으로 연동했습니다. 이러한 구조적 개선을 통해 데이터 전송 시간을 제외하면 영상당 1초에서 2초 내외로 처리가 가능해질 만큼 속도를 끌어올렸습니다. 시행착오를 통해 완성된 이 기술은 현재 중소기업이나 연구 기관이 보유한 원천 데이터를 가치 있는 학습 데이터셋으로 변환하는 핵심 동력이 되고 있습니다. 현재 이 기술은 KISTI의 기계 학습 데이터 공유 플랫폼인 'AIDA(AI다)'를 통해 더욱 고도화되고 있습니다. 사용자들은 단순히 제공된 데이터셋을 내려받는 것에 그치지 않고, 워크벤치를 통해 자신에게 필요한 맞춤형 데이터를 직접 취합하고 레이블링할 수 있는 환경을 제공받습니다. '데이터로 세상을 바꾸다'라는 비전 아래, 누구나 고품질의 영상 데이터를 손쉽게 다루고 활용할 수 있는 기술적 토대를 마련하는 것이 연구의 최종 목표입니다. 앞으로 이 시스템이 대용량 데이터 생태계의 중심에서 더 많은 연구자와 기업에 큰 도움이 되기를 기대해 봅니다.

한국과학기술정보연구원세계가 인정함! ✅우수 연구성과✅ 인터뷰

융합
공학·기술