현대차·기아 AVP본부장 박민우 사장 |
현대자동차그룹이 자율주행 기술 개발의 핵심 엔진인 ‘데이터 플라이휠(Data Flywheel)’을 본격 가동하며, 빠르게 고도화되고 있는 자율주행 기술 성과를 처음 공개했다.
현대차그룹은 9월 11일(금) 포티투닷 본사(경기도 성남시 소재)에서 ‘현대차그룹 자율주행 미디어 데이’를 개최하고, 자율주행 기술 개발 전략과 로드맵, 주요 개발 성과 및 향후 실행 방안을 발표했다.
이날 행사는 ▲박민우 현대차·기아 AVP본부장(사장) 겸 포티투닷 대표의 인사말 ▲권정현 현대차·기아 자율주행개발센터장(부사장) 겸 포티투닷 AD Division Lead의 그룹 자율주행 전략 발표 ▲포티투닷 Atria Group 정성균 GL(Group Lead)의 Atria AI 기술 소개 ▲포티투닷 Trion Group 이희석 GL의 VLA(Vision-Language-Action) 기반 차세대 자율주행 기술 소개 등 총 4개 세션으로 진행됐다.
이 자리에서 현대차그룹은 자율주행 AI인 Atria AI(아트리아 AI)를 탑재한 SDV 테스트베드(Testbed) 차량이 운전자 개입 없이 복잡한 도심을 실제 주행하는 영상을 최초 공개하며, 자율주행 기술 고도화에 대한 강한 의지와 자신감을 드러냈다.
영상에서 선보인 자율주행 기술은 ‘레벨 2++’ 수준으로, 데이터 플라이휠을 기반으로 자율주행 시스템의 학습·개선 과정이 선순환되고 있음을 입증했다.
특히 자율주행 기술력의 실체를 명확히 보여주는 도심 주행 영상 공개를 통해, 현대차그룹의 자율주행 기술이 단순한 연구개발 단계를 넘어 실도로 검증과 데이터 기반 고도화 등 경쟁력의 완성도를 다져가는 단계로 진화하고 있음을 보여줬다.
현대차·기아 AVP본부 자율주행개발센터장 권정현 부사장 |
이와 함께 현대차그룹은 데이터 확보와 AI 학습·검증·배포가 반복되는 데이터 플라이휠을 자율주행 경쟁력의 핵심 기반으로 제시하고, 대규모 실차 데이터를 기술 개선으로 연결하는 구체적인 작동 방식과 실행 체계를 공개했다.
또 포티투닷은 Atria AI의 주요 기술과 개발 현황을 소개하는 동시에 차세대 자율주행 기술인 VLA 기술 개발에 착수한 배경과 향후 계획을 설명했다.
박민우 사장은 “자율주행 경쟁은 더 이상 특정 기능의 우열을 가리는 경쟁이 아니다”며 “얼마나 많은 데이터를 확보하고, 얼마나 빠르게 학습하며, 그 결과를 실제 제품과 서비스에 반영할 수 있는지가 경쟁력을 결정한다”고 말했다.
이어 “자율주행 경쟁의 본질은 결국 학습 속도의 경쟁”이라며 “현대차그룹은 데이터와 AI, 검증이 반복되는 선순환 구조를 기반으로 고객이 신뢰할 수 있는 자율주행 기술을 빠르게 개발해 나갈 것”이라고 밝혔다.
■ 외부 협업으로 양산 속도 확보하고 Atria AI로 핵심 기술 내재화
현대차그룹은 지난 3월 엔비디아와 협업 전략을 발표하면서 엔비디아의 검증된 자율주행 기술을 활용해 양산 속도를 높이는 동시에 자체 AI 기술을 내재화하는 ‘투 트랙(Two-Track) 전략’을 추진한다고 밝힌 바 있다.
우선 엔비디아(NVIDIA)의 차량용 AI 컴퓨팅 플랫폼과 자율주행 소프트웨어를 SDV 차량 아키텍처에 통합해 2028년 상반기 엔비디아 솔루션 기반 레벨 2+ 기능을 양산차에 적용하고, 2028년 하반기 레벨2++ 적용 양산차를 출시할 계획이다.
이와 함께 AVP본부와 포티투닷, 모셔널 등이 사용해 온 센서 체계를 엔비디아 드라이브 하이페리온 10을 중심으로 단계적으로 표준화한다.
이를 통해 서로 다른 차량에서 확보한 데이터를 보다 일관된 형태로 축적하고 AI 학습과 검증에 효율적으로 활용하는 기반을 마련한다.
두 번째 트랙으로 AVP본부와 포티투닷이 공동 개발하는 E2E(End-to-End) 기반 자체 자율주행 시스템 Atria AI를 지속 고도화한다. 두 조직은 개발 환경과 업무 프로세스, 정보 공유 체계를 하나로 통합해 사실상 하나의 개발팀처럼 협업하고 있다.
이러한 협업 체계를 기반으로 현대차그룹은 2029년 하반기 Atria AI 기반 레벨 2++ 차량을 양산하고 이후 실차 데이터를 바탕으로 자율주행 기술을 단계적으로 확장할 계획이다.
 |
■ 글로벌 양산 역량과 데이터 유니언 기반으로 데이터 생태계 확장… 데이터 플라이휠로 학습·검증 속도 가속화
현대차그룹은 투 트랙 전략을 하나의 경쟁력으로 연결하는 핵심 기반으로 데이터 플라이휠을 제시했다.
데이터 수집·학습·검증·배포를 연결하는 개발 체계가 실제 자율주행 개발 과정에 보다 효과적으로 반영되기 시작하면서, AI 모델을 보다 빠르게 개선할 수 있는 기반을 마련했다고 강조했다.
데이터 플라이휠은 차량에서 데이터를 수집하고 이를 AI 학습과 검증에 활용한 뒤, 개선된 모델을 다시 차량에 적용해 새로운 데이터를 확보하는 선순환 구조다.
현대차그룹은 데이터 플라이휠의 출발점인 데이터 확보 측면에서도 강점을 보유하고 있다. 현대차·기아는 전 세계 190여 개 국가 및 지역에서 연간 700만 대 이상의 차량을 판매하고 있으며, 이는 자율주행 기술 개발에 필요한 방대한 실주행 데이터를 확보할 수 있는 잠재적 기반이 된다.
현대차그룹은 이러한 글로벌 양산 역량을 바탕으로 실제 도로 환경에서 생성되는 다양한 주행 데이터를 지속적으로 확보하고 AI 학습에 활용할 계획이다.
현재는 40여대의 데이터 수집 전용 차량을 주야간으로 운영하며 주행 데이터를 확보하고 있으며, 수집된 데이터에는 일반적인 직선 주행뿐 아니라 도로공사 구간, 악천후, 급격한 차로 변경, 이면도로 주정차 차량 등 현실 도로에서 발생하는 다양한 엣지 케이스(Edge Case)가 포함돼 있다.
다만 자율주행 AI의 성능은 데이터의 절대적인 양만으로 결정되지 않는다. 전체 주행 데이터에서 AI가 어려워하는 상황을 얼마나 잘 찾아내고 이를 집중적으로 학습시키느냐에 따라 모델의 성능이 좌우되기 때문이다.
 |
이에 현대차그룹은 올해 초부터 AI 모델의 성능을 빠르게 향상시킬 수 있는 다양한 핵심 기술들을 데이터 플라이휠에 접목시키고 있다.
우선 ‘하드 이그잼플 마이닝(Hard Example Mining)’ 기법을 활용해 모델이 어려워하는 주행 상황을 자동으로 선별하고, ‘컨티뉴어스 트레이닝(Continuous Training)’ 파이프라인을 통해 이를 반복 학습에 반영한다. 실제 차량 평가에서 발견된 취약 상황을 다시 데이터 수집과 모델 개선으로 연결함으로써 개발 사이클을 단축하고 있다.
가상 검증 기술도 데이터 플라이휠의 효율을 높이는 핵심 요소다. 현대차그룹은 실제 주행 데이터를 3차원 환경으로 재구성하고, ‘3D 가우시안 스플래팅(3D Gaussian Splatting)’ 등 최신 그래픽 기술을 활용해 실제 도로에서 반복하기 어렵거나 위험한 상황을 가상으로 재현하고 있다.
이를 통해 다양한 엣지 케이스에서 모델을 반복적으로 평가하고, 새롭게 학습한 모델이 기존 성능을 저하시키지 않는지 확인한다.
한국과 미국의 개발 거점을 연결해 하루 24시간 개발이 이어지는 ‘Follow-the-Sun’ 방식도 운영하고 있다. 한 지역의 업무시간이 끝나면 다른 지역에서 데이터 수집과 이슈 분석, 모델 개선을 이어받는 방식으로 개발의 연속성을 높인다.
현대차그룹은 자율주행 중 발생하는 중요 상황을 기록하는 ‘스페셜 이벤트 리코더(Special Event Recorder, 이하 SER)’도 데이터 플라이휠에 단계적으로 결합하고 있다.
SER은 운전자가 직접 기록을 요청하는 경우는 물론 급가속·급제동, 불안정한 차간 거리처럼 시스템이 특정 상황을 자동으로 감지하거나, 운전자 또는 시스템이 자율주행 기능을 해제하는 경우 관련 데이터를 자동으로 기록하는 체계다.
향후에는 AI 모델이 어려워하는 상황을 보다 효과적으로 식별하고 관련 데이터를 자동으로 확보할 수 있도록 SER 체계를 고도화하는 방안도 검토하고 있다. 이를 통해 사람이 모든 상황을 일일이 정의하거나 분류하지 않아도 성능 개선에 필요한 데이터를 보다 효율적으로 확보하는 것이 목표다.
현대차그룹은 표준화된 센서 체계와 데이터 구조를 바탕으로 데이터 활용 범위를 그룹 내외로 확장하는 ‘데이터 유니언(Data Union)’ 체계도 구축한다.
데이터 유니언은 특정 기업이 보유한 원본 데이터를 단순히 서로 맞바꾸는 개념이 아니라, 여러 차량과 조직에서 생성되는 데이터를 동일한 기준으로 축적하고 AI 학습에 활용할 수 있도록 하는 데이터 생태계를 의미한다.
우선 현대차·기아, 포티투닷, 모셔널 등 그룹 내부의 데이터 활용 효율을 높이는 데 집중하고, 향후 단계적 확대를 위한 기반을 마련한다.
 |
현대차그룹은 양산차 기술 개발과 함께 실제 도로에서 자율주행 레벨 4 기술을 실증하는 사업도 추진하고 있다.
구체적으로는 국토교통부와 협업해 연말 전남광주통합특별시에 Atria AI를 탑재한 SDV 페이스 카(Pace Car) 기반의 자율주행 실증차를 투입하고 다양한 교통 상황과 예측하기 어려운 변수가 공존하는 국내 도로 환경에서 기술의 성능과 안정성을 점검할 계획이다.
실증 과정에서 직접 확보한 다양한 주행 시나리오와 돌발 상황 데이터는 다시 데이터 플라이휠에 반영해 AI 학습과 성능 개선에 활용할 예정이다. 현대차그룹은 이를 통해 자율주행 레벨 2+ 이상의 양산형 운전자 보조 기술과 레벨 4 기술의 완성도를 함께 높일 방침이다.
권정현 부사장은 “자율주행 경쟁력은 얼마나 많은 데이터를 확보하느냐보다, 데이터를 얼마나 빠르게 학습과 검증, 성능 개선으로 연결할 수 있는지에 달려 있다”며 “본격 가동을 시작한 데이터 플라이휠 체계를 통해 실도로에서 발견한 문제를 지속 개선하고 기술이 빠른 속도로 고도화될 것으로 기대한다”고 말했다.
포티투닷 정성균 GL은 “좋은 자율주행 AI는 결국 좋은 데이터에서 시작된다”며 “현대차그룹은 데이터 수집부터 모델 학습, 실제 차량 평가까지 전 과정을 연결해 Atria AI의 성능과 완성도를 지속적으로 높이고 있다”고 말했다.
■ 차세대 VLA 연구 확대… 자율주행을 넘어 Physical AI로 확장
이날 포티투닷은 시각 정보와 언어적 추론, 차량 행동 생성을 통합한 VLA 기반 차세대 자율주행 기술 개발에 착수했다고 공개했다.
포티투닷은 기존 E2E 자율주행 모델과 VLA 모델을 병행 개발해 자율주행 기술의 안정성과 확장성을 높이고, 차량 하드웨어 사양과 고객 요구에 맞춘 다양한 자율주행 솔루션을 제공한다는 계획이다.
VLA는 시각 정보 인식(Vision), 언어 기반 추론(Language), 행동 생성(Action)을 하나의 모델로 결합하는 기술로, 자율주행과 로보틱스를 비롯한 Physical AI 분야의 핵심 기술로 주목받고 있다.
기존 E2E 모델이 주행 입력을 차량의 행동으로 직접 연결한다면, VLA 모델은 여기에 언어 기반의 상황 이해와 추론 과정을 더해 복잡한 주행 상황에 대한 판단력과 설명 가능성을 높이는 것이 특징이다.
포티투닷은 VLA가 언어 기반 추론과 대규모 사전 학습 지식을 활용해 기존 주행 데이터만으로 학습하기 어려운 희귀 상황에 대한 대응력을 높이는 데 기여할 것으로 기대하고 있다.
또한 포티투닷은 VLA 개발 과정에도 데이터 플라이휠을 적용하고 있다. 주행 이슈가 발생하면 원인을 분석하고, 필요한 주행 정책과 데이터를 보강한 뒤 모델을 재학습한다.
현재 포티투닷의 VLA 기반 자율주행 기술은 시뮬레이션을 통한 모델 검증 단계에 있다. 포티투닷은 올해 말부터 내년 초까지 실차 테스트를 포함한 전체 개발 프로세스를 가동하고, 실제 주행 환경에서 확보한 이슈 데이터를 다시 학습과 검증에 반영해 VLA 모델의 완성도를 높여 나갈 계획이다.
이날 포티투닷은 VLA 모델이 주행 상황을 해석하고 그 판단 근거를 언어로 출력하는 개발 영상을 공개했다. 차량이 차선을 변경하는 상황에서 주행 행동 및 그 이유를 설명하는 문장이 화면에 표시되는 모습이 담겼다.
이희석 GL은 “VLA는 AI가 단순히 주행하는 수준을 넘어 상황을 이해하고 추론하며 행동하는 Physical AI 구현의 핵심 기술”이라며 “자율주행을 시작으로 로보틱스 등 다양한 영역으로 확장할 수 있는 기반이 될 것”이라고 말했다.
 |
■ 서울 도심 자율주행 영상 최초 공개… Atria AI 기술 성숙도 입증
현대차그룹은 이날 행사에서 Atria AI를 탑재한 SDV 테스트베드 차량이 서울 도심을 실제 주행하는 영상을 최초로 공개했다. 데이터 플라이휠이 본격 작동하면서 Atria AI 성능 개선에 획기적 전환점이 마련되고 있음을 입증하는 차원이다.
영상은 혼잡한 서울 도심의 주행 상황을 가감 없이 공개함으로써 현대차그룹의 자율주행 기술 개발 현황과 향후 발전 가능성을 전달하는 데 초점을 맞추고 있다.
영상은 ▲경영진·개발 리더 동승 주행 영상 ▲도심 원테이크 주행 영상 ▲주요 엣지 케이스 대응 영상 등 3개 콘텐츠로 구성됐다.
첫 번째 영상은 박민우 사장과 포티투닷 정성균 GL이 차량에 함께 탑승해 판교에서 경부고속도로, 올림픽대로, 동작대교, 숭례문, 광화문으로 이어지는 주행 구간을 이동하는 모습을 담았다.
박민우 사장과 정성균 GL은 Atria AI의 개발 과정과 기술 현황, 자율주행 시스템의 판단 방식, 향후 기술 고도화 방향 등에 대해 의견을 나눴다. 실제 주행 상황을 바탕으로 차량이 주변 교통 상황을 인식하고 경로를 판단하는 모습과 다양한 도로 환경에 대응하는 과정도 함께 소개했다.
두 번째 영상은 ▲혼잡한 출근 시간대의 강남 도심 ▲버스 등 대형 차량의 통행이 많은 잠실 도로 ▲비가 내리는 판교 도심 등 다양한 환경에서 진행한 실주행 영상 3편으로 구성됐다. 각 영상은 2~4분 내외의 분량으로, 영상 재생 속도 외 편집 없이 원테이크 형식으로 제작해 실제 도로에서의 자율주행 모습을 자연스럽게 담아냈다.
Atria AI가 차량과 보행자, 차선, 교차로, 신호등 등 다양한 도로 요소를 종합적으로 인식하고, 변화하는 주행 환경에 대응하는 과정을 보여준다.
세 번째 영상은 자율주행 주행 성능을 확인할 수 있는 주요 엣지 케이스 대응 장면을 중심으로 제작됐다. ▲갓길 주정차 차량 회피 ▲주행 중 차량의 갑작스러운 끼어들기 ▲비보호 좌회전 ▲혼잡 구간의 보행자 인식 ▲이면도로 대향 차량 인식 등 골목길 같은 도심에서 발생할 수 있는 10개 상황이 담겼다.
현대차그룹 관계자는 정형화된 시험 시나리오가 아닌 복잡한 도심 교통 환경에서 발생할 수 있는 다양한 변수에 대응하는 모습을 통해 Atria AI 성능이 빠르게 고도화되고 있다는 점을 확인할 수 있기를 기대한다고 말했다.
박민우 사장은 “자율주행은 Physical AI를 대표하는 기술이자 자동차 산업이 AI 산업으로 전환되는 과정의 중심에 있다”며 “현대차그룹이 보유한 글로벌 양산 역량에 포티투닷의 AI·소프트웨어 기술과 데이터 플라이휠 기반 학습 체계를 결합해 고객이 신뢰할 수 있는 자율주행 기술을 구현하겠다”고 말했다.
이어 “기술 개발 속도와 안전은 서로 상충하는 가치가 아니다”라며 “더 많은 예외 상황을 발견하고 학습할수록 자율주행은 더욱 안전해질 수 있으며, 현대차그룹은 충분히 검증된 기술만을 차량에 적용한다는 원칙 아래 개발 속도와 안전성을 함께 높여 나갈 것”이라고 강조했다.