라떼군 이야기
웨이모가 '코끼리'까지 시뮬레이션하는 방법: 자율주행의 새 지평, Waymo World Model
TL;DR 웨이모가 구글 딥마인드의 Genie를 기반으로 한 새로운 생성형 월드 모델을 공개했습니다. 이 모델은 카메라와 라이다 데이터를 포함한 초현실적인 3D 환경을 생성하며, 실제 주행 데이터로는 얻기 힘든 토네이도나 코끼리 출현 같은 희귀한 상황(Edge-case)까지 시뮬레이션하여 자율주행 안전성을 획기적으로 높입니다.
자율주행 기술의 핵심은 얼마나 많은 주행 데이터를 확보하고 학습하느냐에 달려 있습니다. 하지만 현실 세계에서 토네이도를 만나거나 도로 위에 공룡 옷을 입은 보행자가 나타나는 ‘롱테일(Long-tail)’ 상황을 직접 겪기는 불가능에 가깝습니다. 웨이모는 최근 이러한 한계를 극복하기 위해 생성형 AI 기술을 접목한 ‘Waymo World Model’을 발표했습니다. 이는 단순한 시뮬레이션을 넘어, AI가 물리 법칙과 인과 관계를 이해하고 가상의 상황을 스스로 만들어내는 기술적 도약을 의미합니다.
핵심 내용
이 모델은 구글 딥마인드의 범용 월드 모델인 ‘Genie’를 자율주행 도메인에 맞춰 발전시킨 것입니다. 첫째, 인터넷상의 방대한 비디오 데이터를 학습하여 웨이모 차량이 직접 경험하지 못한 홍수, 화재, 야생동물 출현 등의 시나리오를 생성할 수 있습니다. 둘째, 단순한 2D 이미지가 아니라 자율주행차가 세상을 보는 방식인 ‘라이다(Lidar)’ 포인트 클라우드와 카메라 영상을 동시에 생성하는 멀티모달 능력을 갖췄습니다. 셋째, 높은 제어성을 제공하여 엔지니어가 텍스트 프롬프트로 날씨를 바꾸거나, 주행 경로를 수정하고, 도로 레이아웃을 변경하는 등 다양한 ‘What-if’ 시나리오를 실험할 수 있습니다. 마지막으로 일반 대시캠 영상도 상호작용 가능한 3D 시뮬레이션으로 변환할 수 있어 데이터 활용도를 극대화했습니다.
기술적 인사이트
소프트웨어 엔지니어 관점에서 이 발표는 ‘재구성(Reconstruction)‘에서 ‘생성(Generation)‘으로의 패러다임 전환을 보여줍니다. 기존의 NeRF나 3D Gaussian Splatting 같은 기술은 실제 데이터를 3D로 복원하는 데 탁월하지만, 관측되지 않은 영역을 채우거나 새로운 상황을 만들어내는 데는 한계가 있었습니다. 반면 Waymo World Model은 생성형 AI를 통해 빈 공간을 그럴듯하게 채우고(Inpainting), 물리적 인과관계를 예측합니다. 특히 비디오 생성 모델을 넘어 3D 지오메트리(Lidar)까지 일관성 있게 생성한다는 점은 이 모델이 단순한 픽셀 합성이 아니라 공간적 깊이와 물체의 속성을 이해하고 있음을 시사합니다. 이는 데이터 부족 문제를 해결하는 가장 강력한 도구가 될 것입니다.
시사점
이 기술은 자율주행 업계의 데이터 수집 비용을 획기적으로 낮추고 안전성 검증 속도를 높일 것입니다. 개발자들은 더 이상 희귀한 사고 데이터를 얻기 위해 도로를 무작정 달릴 필요 없이, 시뮬레이터 안에서 수천 가지 변형된 위험 상황을 생성해 테스트할 수 있게 됩니다. 또한, 이는 로보틱스와 생성형 AI의 결합이 가속화되고 있음을 보여주며, 향후 배달 로봇이나 휴머노이드 등 다른 로봇 분야의 학습 환경 구축에도 큰 영향을 미칠 것입니다.
웨이모의 접근 방식은 ‘AI를 가르치기 위해 AI가 만든 세상’을 활용하는 단계로 진입했음을 보여줍니다. 과연 생성된 데이터만으로 학습한 모델이 실제 도로의 복잡한 물리 법칙과 예측 불가능성을 얼마나 완벽하게 커버할 수 있을까요? 시뮬레이션과 현실 사이의 격차(Sim-to-Real Gap)를 생성형 모델이 얼마나 좁힐 수 있을지 지켜보는 것이 관전 포인트가 될 것입니다.