「簡単な道路で長時間運転するよりも、江南のように複雑な道路でさまざまな突発状況を経験することが、自律運転AIの性能を向上させるのにより役立ちます。」
イム・インホ自律運転開発チームAI運転パートリーダーは9日、ソウル・西大門区の韓国自動車モビリティ産業協会で開催されたカカオモビリティ自律運転スタディで、年内にセンサー入力から運転制御までを一つのAIモデルで処理するエンドツーエンド（E2E）モデルを導入する目標を示し、このように説明した。
カカオモビリティは現在、江南地域で夜10時から朝5時まで乗客を乗せて自律運転データを蓄積している。昨年3月に2台の車両で始まった深夜サービスは、先月には6台に拡大され、累積運行距離は1万3000km、運行完了件数は2000件を超えた。6月からは昼間にも別途運行を行い、通行量や歩行者が多い時間帯のデータも確保している。
江南でデータを蓄積する理由は、複雑な道路環境にある。予測が難しい状況が頻繁に発生し、自律運転AIが希少なエッジケースを学習するのに有利であると説明されている。
カカオモビリティはこのように確保したデータを基に、年内にE2Eモデルの導入を推進する。従来の方式はセンサー情報を認知・判断・制御の段階に分けて処理するが、E2Eはセンサー入力から車両制御までを一つのAIモデルが担当する。
イムリーダーは「中間段階で発生するエラーを減らし、運転状況全体を総合的に判断できるようになる」と説明した。
ただし、カカオモビリティはAIの判断にのみ車両制御を任せる構想ではない。E2Eモデルの判断をそのまま車両制御に反映せず、ルールに基づく『セーフティイバリュエーター』を別途設ける。E2Eモデルが選択した運転経路を交通法規や車両の物理的条件、安全基準などに基づいて再検証する方式で、子供保護区域の制限速度や交差点の一時停止など、必ず守らなければならないルールはAIの判断よりも優先される。
カカオモビリティはE2E性能を左右する鍵として、データの量よりも『難しいデータをどれだけ効率的に選別するか』を強調した。
車両が収集した運転データをサーバーにアップロードすると、不法Uターンや突発工事、割り込みなどのように学習価値が高いエッジケースを選別し、AI基盤の自動ラベリングを通じて車両や歩行者など周辺オブジェクト情報を学習可能な形に加工する。その後、ビジョン言語モデル（VLM）などを活用したデータマイニングで、天候や時間帯、道路構造、車両の動きなど運転状況を分析・分類し、既存データとともに再度AIモデル学習に投入する。
過去に人が直接運転映像を確認していたデータ選別作業にもAIが適用された。AIがサーバーにアップロードされた運転データを数十分内に分析し、学習に必要な状況を見つけ出し、これを再度モデル学習に活用する。
運転技術を実際の無人自律運転サービスに結びつけるためのプラットフォームと監視体制も構築している。カカオTを基盤に自律運転車の呼び出し・配車だけでなく、車両ごとの運行可能区域と運転能力に応じた経路を管理し、24時間監視を通じて車両・乗客・道路状況をリアルタイムで確認する。運転者がいない状況では、乗降地点の管理や目的地変更など、従来の運転手が担っていた役割もプラットフォームと監視が代わりに行う。
VLM基盤の監視と遠隔支援機能は現在開発・テスト中である。遠隔支援は監視者が車両を直接操縦するのではなく、工事や道路規制などの突発状況で必要な情報を車両に伝達し、最終的な運転判断と制御は車両のAIが行う方式である。
カカオモビリティは今後、安全性を十分に検証した後、江南自律運転サービスの車両台数と運行時間、地域を段階的に拡大する方針である。
* この記事はAIによって翻訳されました。
