자율주행 3D 인지 AI, 단일 모델로 가볍게

국민대학교와 현대자동차 연구팀이 자율주행용 3D 객체 탐지 인공지능의 연산 부담과 실행 시간을 줄이는 ‘셰어드 KD(Shared KD)’ 기술을 개발했다. 높은 인식 정확도와 실시간 처리가 함께 필요한 차량 환경을 겨냥해, 대규모 모델 내부에서 실제 배포에 적합한 경량 모델을 동시에 찾고 학습하도록 설계한 것이 핵심이다.

셰어드 KD는 별도의 교사 모델과 학생 모델을 각각 두던 기존 지식 전수 방식과 달리, 하나의 3D 객체 탐지 모델 안에서 학습을 진행한다. 전체 네트워크가 교사 역할을 맡고 핵심 구조만 남긴 특정 네트워크가 학생 역할을 수행한다. 학습 중에는 변수 변화율인 그래디언트를 활용해 주요 구조를 실시간으로 선택하며, 정확도를 높은 수준으로 유지하면서 연산 효율이 우수한 경량 모델을 탐색한다.

기존 경량화 방식은 학습을 마친 인공지능 모델의 크기를 사후에 줄이는 데 초점을 맞췄다. 이번 기술은 대규모 모델을 학습하는 과정에서 배포용 경량 모델의 구조를 함께 탐색하고 학습할 수 있도록 범위를 넓혔다. 전체 모델과 경량 모델이 서로의 학습을 돕는 구조도 적용해 모델 탐색의 효율과 성능 최적화를 동시에 꾀했다.

이 기술은 3D 인지 모델의 계산량과 구동 시간을 크게 줄일 수 있어 자율주행 차량용 인공지능과 엣지 AI 시스템에 활용될 가능성이 있다. 연구 성과는 2026년 7월 열린 설계자동화 분야 국제학술대회 ‘DAC 2026’에서 공개됐으며, 국민대 AI·SW학과 조현준 석사과정생이 현장에서 연구 내용을 발표했다.