자율주행(AV) 차량의 원거리 인식 문제를 다루는 새로운 LiDAR(라이다)-레이더 융합 프레임워크 ATN3D가 공개됐다. 30미터 이상 원거리에서는 센서 데이터가 극도로 희소해지는데, 도로 환경에서 이 거리는 인식과 판단에 1~2초밖에 주어지지 않는 실제 위험 구간에 해당한다. 기존 멀티모달 융합 방식은 희소성 정보를 폐기하거나 빈 셀에서 노이즈를 주입해 원거리 탐지 성능을 저하시키는 문제가 있었다.
ATN3D는 이 문제를 네 가지 구성 요소로 해결한다. 첫째, 복셀(voxel) 단위 밀도 및 레이더 증거를 기반으로 융합 과정을 조건화하는 밀도 인식 조기 융합과 교차 모달 게이팅을 적용했다. 둘째, 신뢰할 수 있는 셀에서만 집계하도록 원형 커널을 사용하는 점유 게이팅 이웃 집계 방식을 채택했다. 셋째, 날씨와 거리에 따라 채널 가중치를 조정하는 증거 조건부 채널 자기 주의(self-attention) 메커니즘을 도입했다. 넷째, 거리에 따라 분류 및 위치 추정 손실을 재조정하는 거리 인식 손실 함수로 먼 거리 객체의 학습 불균형을 보정했다.
VoD(View-of-Delft) 벤치마크에서 ATN3D는 맑은 날씨 조건에서 기존 강력한 기준선 대비 mAP(평균 정밀도)를 3.55% 향상시켰고, 모의 짙은 안개 조건에서는 8.41% 향상을 달성했다. 30미터 이상 원거리 물체에서는 맑은 날씨 3.33%, 짙은 안개 2.09%의 추가 개선이 확인됐다. 연구팀은 이 결과가 도로 실주행 환경에서 희소 센싱 조건 하의 원거리 탐지 신뢰성을 실질적으로 높일 수 있음을 시사한다고 밝혔다.
자율주행 인식 스택에서 원거리 탐지는 충돌 예방을 위한 반응 시간을 결정하는 핵심 요소다. 안개나 강우 같은 악천후에서 LiDAR와 레이더의 특성 차이를 활용해 상호 보완하는 융합 연구는 자율주행의 실용화 범위를 넓히는 데 직결된다. ATN3D는 표준 벤치마크에서 복수의 기상 시나리오에 걸쳐 일관된 성능 개선을 입증했다는 점에서 실차 적용 가능성을 높이 평가받을 전망이다.
