DGIST, 자율주행 인지 성능 높인 3D 학습 기술 개발

미래모빌리티연구부 권순·이진희 연구팀

[대구=뉴시스] 박준 기자 = 대구경북과학기술원(DGIST) 미래모빌리티연구부 권순, 이진희 연구팀은 라벨이 극히 적은 환경에서도 최신 성능(State-Of-The-Art, SOTA)을 구현한 3D 준지도 학습(SSOD, Semi-Supervised Object Detection) 프레임워크 멀티플 티쳐스(MultipleTeachers)를 개발했다고 17일 밝혔다.

이 기술은 유사한 객체를 그룹화해 범주별 교사 네트워크를 구성하고 협력적으로 의사 라벨을 생성하는 새로운 학습 전략을 도입했다.

또한 희소한 라이다(LiDAR) 포인트 문제를 보완하는 포인트젠(PointGen) 모듈을 결합, 차량·보행자·이륜차 등 도심 주요 객체의 인지 정확도를 크게 높였다.

적은 데이터로도 높은 학습 효과를 이끌어내 안전 중심의 자율주행 인지 기술 발전에 기여할 수 있는 새로운 패러다임을 제시했다.

자율주행 기술 고도화에는 방대한 라벨링 작업으로 인한 시간·비용 부담이 큰 걸림돌로 작용해 왔다.

DGIST 연구팀은 소량의 라벨 데이터와 대량의 무라벨 데이터를 결합하는 준지도·자기지도 학습을 고도화해 라벨 의존도를 낮추면서도 실험 환경에서 우수한 성능을 입증했다.

또 DGIST 창업기업 ㈜퓨처드라이브와 협력해 한국 도심 환경을 충실히 반영한 자체 라이다 데이터셋 리오(LiO)를 구축했다.

LiO는 128채널 라이다 1대와 6대의 카메라로 수집한 데이터를 기반으로 7개 클래스에 대해 최소 3회 이상의 전문가 검수를 거쳐 높은 품질을 확보했으며 평균 35.8개의 객체, 약 2.1만개의 라벨 프레임과 9.6만개의 언라벨 프레임으로 구성돼 다양한 실험 환경에 활용이 가능하다.

이진희 박사는 "세계 최고 비전 학회인 ICCV 2025에서 DGIST의 인지 기술을 발표할 수 있어 영광"이라며 "LiO 데이터셋을 공개해 연구 커뮤니티와 지식을 공유하고 자율주행·스마트시티·물류 로보틱스 등 다양한 분야로 기술 적용을 확대하겠다"고 말했다.

한편 이번 연구는 DGIST 기관고유사업과 과학기술정보통신부 연구개발특구육성(R&D) 사업의 지원을 받아 수행됐으며 연구결과는 이달 개최되는 ICCV 2025에서 공식 발표된다.


◎공감언론 뉴시스 [email protected]