📚 Waymo 2025 GTC 발표 요약

 

"AI를 활용한 가장 신뢰할 수 있는 운전자 구축"

1. 발표 개요

• 발표자: Waymo 연구 총괄 부사장 Drago Anguelov
• 주제: AI 기반으로 인간보다 더 신뢰할 수 있는 자율주행 운전자 개발
• 핵심 목표:
  • AI 모델 + 실제 운전 경험 통합
  • 안전성, 신뢰성, 사회적 인식을 갖춘 자율주행 시스템 구축

---

2. "운전자 구축(Building the Driver)" 전략

(1) 도전 과제

• 복잡한 물리 환경 (날씨, 조명, 먼지, 타 운전자 위험 행위 등)
• 고성능 실시간 컴퓨팅 요구 (매초 1억개 센서 데이터)
• 장시간, 장거리 주행 중 드문 장기적 리스크 대응 필요

(2) Waymo의 핵심 접근

• Waymo Foundation Model (WFM):
  • 카메라, 라이다, 레이더 등 다중 센서 데이터 통합
  • Token + Decoder 구조로 다중모달 입력을 언어 구조처럼 처리
  • 지도 정보(Map Prior)와 융합해 공간 추론 강화

(3) 세부 AI 모델

• MotionLM:
  • 여러 교통 참여자의 행동을 ‘대화’처럼 모델링
  • LLM 기반으로 다중 상호작용 예측 (장기/희귀 시나리오 대응)
• EMMA (End-to-End Multimodal Architecture):
  • ChatGPT식 멀티모달 대형모델 적용
  • 3D 목표 탐지, 주행 경로 예측 등 다양한 운전 과제 통합 수행
  • SOTA (State-of-the-art) 수준 성능 달성 (예: L2 평균 오차 0.29m)

---

3. "운전자 검증(Validating the Driver)" 전략

(1) 왜 검증이 필요한가?

• 현재 AI 모델(특히 Vision-Language Models)의 한계:
  • 다중 센서 융합 부족
  • 공간 추론 부족
  • 장기 기억 유지 어려움
  • 노이즈 환경에서의 오류/환각(hallucination) 가능성 존재

(2) Waymo의 검증 방법

• Scene Diffuser++ 기반 AI 시뮬레이터:
  • 차량/신호등 움직임까지 포함하는 전체 도시 교통 흐름 모델링
  • 최신 3D 고속 렌더링(3D Gaussian Splatting, 3DGS) 적용 → NeRF 대비 57배 빠른 속도
• Real2Sim 생성 시뮬레이션:
  • 실제 주행 데이터 기반 가상 환경 생성
  • 다양한 조건 변화(날씨, 시간대, 운전자 행태) 테스트로 시스템 견고성 검증

---

4. 결론 및 Waymo의 철학

• 16년 이상(2009년 시작) 실전 테스트 지속
• 여전히 4개 도시 중심으로 신중한 상용화 진행
• "가장 신뢰할 수 있는 운전자"를 만들기 위해
  데이터 기반의 보수적 접근 + 첨단 AI 기술 통합을 추구
• Waymo의 상업적, 기술적 신중성은 타 기업의 모범 사례로 평가받음

---

✨ 정리 키워드

• Foundation Model 기반 다중센서 통합
• MotionLM으로 상호작용 예측
• EMMA로 End-to-End 통합처리
• Scene Diffuser++와 3DGS로 대규모 시뮬레이션
• Real2Sim로 현실 기반 검증 강화