대구경북과학기술원(이하 DGIST)이 라벨이 적은 학습 환경에서도 세계 최고 수준의 자율주행 인지 성능을 구현한 3D 준지도 학습 기술을 선보이며 국제 학계의 주목을 받고 있다. 이번 연구는 인공지능·컴퓨터비전 분야 세계 최고 권위 학회인 ICCV 2025에 논문으로 채택돼 10월 공식 발표될 예정이다.DGIST 미래모빌리티연구부 권순·이진희 연구팀은 라벨이 극히 적은 환경에서도 최신 성능(SOTA)을 구현한 3D 준지도 객체 검출(SSOD) 프레임워크 ‘MultipleTeachers’를 개발했다.이 기술은 유사한 객체를 그룹화해 범주별 교사 네트워크를 구성하고 협력적으로 의사 라벨을 생성하는 새로운 학습 전략을 도입한 것이 특징이다. 여기에 희소한 라이다(LiDAR) 포인트 문제를 보완하는 ‘PointGen’ 모듈을 결합해 차량·보행자·이륜차 등 도심 주요 객체의 인지 정확도를 대폭 향상시켰다.자율주행 기술 발전의 걸림돌로 꼽혀온 라벨링 비용과 시간 문제를 해결하기 위해 연구팀은 소량의 라벨 데이터와 대량의 무라벨 데이터를 결합한 준지도·자기지도 학습을 고도화했다. 그 결과 라벨 의존도를 낮추면서도 실험 환경에서 탁월한 성능을 입증했다.DGIST는 또 산학협력 창업기업 ㈜퓨처드라이브와 함께 한국 도심 환경을 충실히 반영한 자체 라이다 데이터셋 ‘LiO’를 구축했다.LiO는 128채널 라이다 1대와 6대의 카메라를 통해 수집된 데이터로, 7개 객체 클래스에 대해 최소 3회 이상의 전문가 검수를 거쳤다. 평균 35.8개의 객체를 포함한 약 2만1천 개의 라벨 프레임과 9만66000개의 언라벨 프레임으로 구성돼 높은 품질과 활용성을 자랑한다.연구 성능 또한 눈에 띈다. Waymo Open Dataset(라벨 1%)에서 47.5 mAP, KITTI(라벨 2%)에서 72.2 mAP, LiO Large(라벨 15%)에서 61.4 mAP를 기록해 기존 최신 기법을 일관되게 뛰어넘었다. 특히 보행자와 이륜차처럼 작은 객체 인식률이 크게 향상돼 도심 교통 안전성 확보에도 기여할 전망이다.이진희 박사는 “세계 최고 비전 학회인 ICCV에서 DGIST의 인지 기술을 발표할 수 있어 영광”이라며 “LiO 데이터셋을 공개해 연구 커뮤니티와 지식을 공유하고, 자율주행·스마트시티·물류 로보틱스 등 다양한 분야로 기술을 확장하겠다”고 말했다.한편 이번 연구는 DGIST 기관고유사업과 과학기술정보통신부 연구개발특구육성(R&D)사업의 지원을 받아 수행됐다.