웨이모(Waymo), 2D 영상으로 3D 시뮬레이션 생성 기술 공개
웨이모(Waymo)가 자율 주행 시뮬레이션(Autonomous Driving Simulation)을 위한 새로운 월드 모델(World Model)을 발표함
2D 비디오(2D Video)를 3D 라이더(LiDAR) 데이터로 변환하는 기술을 통해 현실적인 시뮬레이션 환경을 구축
다양한 환경 및 상황(Various Environments and Scenarios)을 시뮬레이션하여 자율 주행 시스템의 안전성을 강화
커뮤니티에서는 웨이모(Waymo)의 기술력에 대한 기대와 함께 규제 및 일자리 감소(Job Loss)에 대한 우려를 표명
2D 비디오 기반 3D 라이더(LiDAR) 데이터 생성 기술
웨이모(Waymo)는 2D 비디오(2D Video)를 활용하여 3D 라이더(LiDAR) 데이터를 생성하는 기술을 선보였다. 이는 기존의 시뮬레이션 모델이 실제 주행 데이터를 기반으로 학습하는 것과 달리, 광범위한 세계 지식(World Knowledge)을 활용하여 다양한 환경을 시뮬레이션할 수 있게 한다. 특히, 딥마인드(DeepMind)의 제니 3(Genie 3)를 기반으로 하여, 극단적인 상황(Extreme Scenarios)까지 시뮬레이션 가능하다는 점이 특징이다.
시뮬레이션 제어 및 가변성
웨이모(Waymo)의 월드 모델(World Model)은 운전 동작 제어(Driving Action Control), 장면 레이아웃 제어(Scene Layout Control), 언어 제어(Language Control)를 통해 시뮬레이션의 가변성을 높였다. 이를 통해 개발자는 특정 운전 입력에 대한 반응을 시뮬레이션하거나, 날씨 및 시간대(Weather and Time of Day)를 변경하여 다양한 시나리오를 테스트할 수 있다. 3D Gaussian Splats와 같은 기존 기술과 비교하여, 웨이모(Waymo)는 생성적 능력(Generative Capabilities)을 통해 시뮬레이션의 현실성을 유지한다.
웨이모(Waymo)의 기술적 강점
커뮤니티에서는 웨이모(Waymo)가 딥마인드(DeepMind) 및 구글(Google)의 인프라를 활용하는 점을 높이 평가한다. 특히, 2D 비디오를 3D 라이더(LiDAR) 데이터로 변환하는 기술은 경쟁사 대비 차별점으로 꼽힌다. 데이터 격리 아키텍처(Data Isolation Architecture)를 통해 웨이모(Waymo)는 데이터 미저장 정책(Zero-Retention Policy)을 유지하면서도, 멀티모달 분석(Multimodal Analysis)을 통해 시뮬레이션의 정확도를 높일 수 있다.
자율 주행 기술의 사회적 영향
웨이모(Waymo)의 기술 발전은 자율 주행 기술의 안전성을 향상시키지만, 일자리 감소(Job Loss) 및 규제(Regulations)에 대한 우려도 제기된다. 특히, 웨이모(Waymo)의 운영 방식과 관련된 투명성 부족에 대한 비판이 존재한다. GDPR 규제 준수(GDPR Compliance)와 같은 법적 요구 사항을 충족하는 것과 더불어, 사회적 합의를 이끌어내는 것이 중요한 과제로 남아있다.
