Nikkei Automotive_2608호 (p18~19)

우븐, 자율주행 AI 개발에 7단계 공정 도입
주행 데이터 선별에 AI 검색 활용

도요타자동차 자회사인 우븐바이토요타(Woven by Toyota, 도쿄)가 자율주행 AI의 학습 데이터 작성 환경을 공개했다. 주행 차량을 통해 수집한 데이터를 7단계의 공정으로 나누어 AI 모델에 학습시켜 AI 모델 성능을 향상시키는 구조이다. 우븐바이토요타는 AI 기반 자율주행이 미국과 중국을 중심으로 확산되고 있는 가운데, 도요타와 연대해 개발을 가속화할 방침이라고 한다.

우븐바이토요타의 자율주행 AI 개발 환경 ‘Active Learning’은 7단계의 공정으로 구성된다. (1)데이터 수집 (2)과제 우선순위 선정 (3)데이터셋 작성 (4)AI 모델 학습 (5)시뮬레이션 평가 (6)차량 평가 (7)릴리스(시장 투입) 판단이다. (7)의 릴리스 판단을 거쳐 성과물인 ‘자율주행 소프트웨어’가 차량에 탑재되면, 다시 (1)의 데이터 수집으로 돌아간다. 이러한 순환 프로세스로 되어 있어 개발 사이클을 신속하게 지속적으로 돌림으로써 자율주행 기술의 성능을 높여 나가고 있다.

(1)데이터 수집에서는 2종류의 차량을 통해 주행 데이터를 수집한다. 하나는 자사에서 만든 시험 차량이다. 차량에 장착된 센서로 취득한 주행 데이터를 차량에 탑재된 HDD(하드디스크 드라이브)를 경유해 수집한다.

다른 하나는 고객이 소유한 차량이다. 사전에 동의를 얻은 고객의 차량으로부터 통신을 통해 주행 데이터를 수집한다. 구체적으로는 차량용 스토리지에 기록된 수초 간의 주행 데이터가 특정 타이밍마다 클라우드로 전송된다.

수집된 주행 데이터에 대한 상세한 내용은 공개되지 않았지만, 우븐바이토요타는 "첨단 운전자 지원 시스템(ADAS)에 입력되는 수준의 데이터"라고 밝혔다.

수집된 주행 데이터를 바탕으로 급브레이크나 급선회, 슬립 등, 다양한 상황을 추출. 이 가운데 향후 개발을 통해 해결할 대상을 고르는 것이 (2)의 과제 우선 순위 선정이다.

예를 들어, 급브레이크 상황을 선택한 경우에는 왜 급브레이크가 작동했는지를 분석한다. 그 결과, 카메라가 사전에 위험요소를 검출하지 못해 안전 시스템이 작동하지 않았기 때문이라는 점이 판명되었다고 가정하자. 이 경우, 카메라가 발견하지 못한 것이 무엇인지를 밝히고, 그 물체에 대한 인식 성능을 높이는 것이 구체적인 해결 과제가 된다.

-- 데이터 검색에도 AI 활용 --
해결 과제가 정해지면 (3)의 데이터셋 작성으로 넘어간다. 예를 들어, 카메라가 인식하지 못한 것이 ‘동물’이었을 경우, AI를 학습시키기 위해 이와 유사한 상황의 주행 데이터를 수집할 필요가 있다. 수집된 주행 데이터(화상) 중에서 동물이 찍혀 있는 것을 찾아내 학습용 데이터로 준비한다.

하지만, 방대한 양의 주행 데이터 중에서 동물이 찍혀 있는 화상을 인력으로 찾아내는 것은 어렵다. 그래서 우븐바이토요타는 AI를 이용한 검색 시스템을 자체 개발했다. 화상과 텍스트를 통합적으로 처리하는 멀티모달 AI 모델 ‘BLIP(Bootstrapping Language-Image Pre-training)’를 베이스로 하여 자사용으로 개발한 것으로 보인다.

그 다음 (4)의 AI 모델 학습으로 나아간다. (3)까지의 공정을 통해 엄선된 데이터를 AI 모델에 학습시켜 성능을 향상시킨다. 오픈소스 AI 모델을 기반으로 최적화된 성능을 이끌어낸다.

-- 충실한 가상 평가로 개발 시간 단축 --
학습을 마치면 동물에 대한 인식 성능이 높아진 자율주행 AI가 완성된다. 이 성능을 확인하는 것이 (5)의 시뮬레이션 평가이다. 가상 환경에서 성능을 평가하기 때문에 실제 차량 주행으로만 실시되어 온 기존의 평가 방식과 비교해 평가 시간을 대폭 단축할 수 있게 되었다고 한다.

시뮬레이션 환경에서 3차원 영상 데이터를 생성할 수 있게 된 점도 큰 역할을 했다. 예를 들어, 고속도로의 왼쪽 차선 주행을 평가한 후, 오른쪽 차선 주행에 대해서도 평가가 필요해졌다고 가정하자. 이 경우, 가상 공간에서 왼쪽 차선을 주행하고 있는 차량을 오른쪽 차선으로 이동시켜 자율주행 소프트웨어의 성능을 평가할 수 있다.

시뮬레이션 평가에 대해서도 성능 향상을 위한 개발이 추진되고 있다. 시뮬레이션 상에서 더욱 현실에 가까운 평가를 실현할 수 있게 된다면, 실제 차량 주행에 소요되는 인력과 비용, 시간이 줄어 자율주행 AI의 개발 사이클을 더욱 빠르게 돌릴 수 있다.

그렇다고 해서 실제 차량 주행을 통한 (6)의 차량 평가를 생략할 수는 없다. 이전 공정인 시뮬레이션 평가에서 자율주행 AI 모델의 성능 향상이 확인되면 시험 차량에 AI 모델을 탑재해 테스트 코스에서 실제로 주행시켜 문제가 없는지 여부를 확인한다. 이 과정을 클리어하면 (7)의 릴리스 판단으로 넘어가 고객의 차량에 탑재해 실용화한다는 것이 Active Learning에 의한 자율주행 소프트웨어 개발의 흐름이다.

교통사고 제로의 자율주행 기술을 실현하는 데 있어 특히 (5)부터 (7)까지의 공정이 얼마나 엄격하게 실시되는지가 열쇠를 쥐고 있다고 할 수 있다. 우븐바이토요타는 “Active Learning을 활용하면서 도요타와의 연대를 통해 안전하고 안심할 수 있는 자율주행 기술 개발을 목표로 하고 있다”라고 한다.

 -- 끝 --

Copyright © 2026 [Nikkei Automotive] / Nikkei Business Publications, Inc. All rights reserved.

Nikkei Automotive_2608호 목차

Close-up
･ 도요타가 차세대 EV 개발 중단, LF-ZC의 후속 모델은 결정

VOICE
･ IEA, 원유 가격 급등으로 ‘EV 시장 확대’

Automotive Report
･ 자동차 7개 사의 연구개발비 역대 최고, 도요타 "투자 줄이지 않고 끝까지 간다"
･ 혼다의 EV 개발 중단으로 부품 19개 업체에 영향, "전량 수주로 보상 청구"
･ 체리자동차·오토박스 연합이 경형 EV 출시, "테슬라의 FSD와 같은 수준 목표"
･ 튜링이 경량 AI 모델의 차량 탑재 추진, 스바루와 E2E 자율주행 공동연구
･ 우븐이 자율주행 AI 개발에 7단계 공정 도입, 주행 데이터 선별에 AI 검색 활용
･ 아스테모가 E2E 기반 구축 위해 히타치와 협업, "2단계 인공지능으로 NOA"
･ 엔비디아 경제권 E2E로 확장될까? 중국 업체들은 SoC 내재화로 의존 탈피 추진
･ 페라리의 첫 EV 루체, 기계식 스위치 중시로 럭셔리 하이퍼 EV 기준 재정의
･ 혼다가 ‘차원이 다른’의 로봇 핸드 개발, 자동차 부품 조립도 염두
･ LFP 배터리의 순탄치 않은 재활용, 일본도 경형 EV 등에서 채택 증가
･ 닛산 엘그란드의 소음 및 진동 감소 시스템, 2027년에 E2E 기술 최초로 채택
･ 키사이트가 차량용 ‘광’ 이더넷 발표, SDV 전환으로 광대역화 가속

New Car Report
･ 마쓰다가 신형 CX-5에 MHEV 설정, 전자 플랫폼 쇄신
･ 도요타의 전기 3열 SUV ‘렉서스 TZ’, 차체 곳곳에 정숙화 설계 적용

Cover Story
･ REEV 급부상
･ Part 1. EV의 다음 수
  REEV가 유럽의 새로운 선택지로
･ Part 2. 이색적인 엔진 제안
  수평 V형 2기통 및 복합 링크 방식
･ Part 3. 도요타의 대비
  새로운 6세대 PHEV, SiC는 200km 주행 위한 포석

Features
･ 자동차의 ‘2대 두뇌’를 단일 SoC로 통합
･ D램 가격 급등으로 가속화
･ 도요타의 테크니컬센터 시모야마
･ 평가와 개발을 일체화한 차량 제작

News Digest
･ 연료 가격 상승으로 미국에서도 EV 구매에 대한 관심 고조
･ EV를 선택하지 않는 이유는 충전 인프라 부족과 높은 가격

Market Watch
･ ‘N-BOX’가 2개월 만에 수위 탈환, ‘환경성능할’ 폐지 영향으로 등록차가 2개월 연속 증가

독자로부터
･ 중국 제조 업체의 동향을 알고 싶다

편집실로부터
･ 2026년 8월호

 -- 끝 --

Copyright © 2026 [Nikkei Automotive] / Nikkei Business Publications, Inc. All rights reserved.