자율주행용 오픈소스 모델 5종을 공개한 TIER IV

TIER IV는 2026년 11월 11일, 카메라만 사용하는 시스템부터 라이다와 레이더, 고정밀 지도를 추가한 구성까지 아우르는 Autoware용 엔드투엔드 자율주행 AI 모델 5종의 개발 및 오픈소스 공개를 발표했다. 이 모델 라인업은 완성차 업체와 기술 파트너가 모델을 최적화하고 차량 시스템에 통합할 수 있도록 여러 선택지를 제공한다.

이 모델 라인업은 NVIDIA Alpamayo 2 Edge, AutoE2E, METEOR, OnePlanner, LatentDrive로 구성된다. 이 모델들은 환경 인식과 주행 경로 생성을 연결하는 엔드투엔드 설계를 채택했지만, 센서 요구 사항과 계획 방식, 개발 준비 수준은 서로 다르다. 일부는 Autoware에 통합되어 있고, 나머지는 차량에 맞게 조정하거나 통합하는 작업이 진행 중이다.

TIER IV는 2026년 11월 2일 상세히 소개한 차세대 아키텍처 Autoware 2.0의 구체적인 기술 성과로 이 모델들을 제시한다. 이 아키텍처는 AI 기반 방식과 기존의 규칙 기반 방식을 결합하고, 모듈식 소프트웨어 통합을 위한 유연한 인덱싱 체계를 추가하며, 다양한 차량과 애플리케이션, 운행 환경에서 상용화를 촉진하기 위한 레퍼런스 디자인 프레임워크를 제공한다.

차량별로 다른 모델

TIER IV에 따르면 Alpamayo 2 Edge의 매개변수 수는 20억 개로, Alpamayo 2 Super의 340억 개보다 적으며, 카메라 이미지와 추론만 사용해 주행 경로를 생성한다. Autoware 통합은 완료됐지만, TIER IV는 여전히 모델을 최적화하고 실제 차량에 맞게 조정하고 있다.

AutoE2E 개발은 Autoware Foundation과 TIER IV가 주도한다. TIER IV는 이 모델의 매개변수가 7,990만 개이며 NVIDIA 하드웨어 외의 컴퓨팅 플랫폼에서도 실행할 수 있다고 밝혔다. 구성은 카메라만 사용하는 방식부터 LiDAR와 레이더를 포함하는 시스템까지 다양하다. 고속·저속 아키텍처는 실시간 의사 결정을 담당하는 Reactive Model과 환경 변화를 예측하고 주행 의사 결정을 지원하는 World Model 및 Reasoning Model을 결합한다.

TIER IV가 독자적으로 개발한 METEOR는 주로 개인 소유 승용차를 대상으로 하며, 매개변수는 1,600만 개다. TIER IV에 따르면 이 합성곱 신경망은 조감도 표현을 사용해 고정밀 지도에 의존하지 않고 하나의 네트워크에서 인식부터 경로 생성까지 처리한다. 카메라 1대부터 8대까지의 영상을 입력으로 받을 수 있고, LiDAR와 레이더를 추가할 수 있으며, NVIDIA와 Renesas의 반도체 플랫폼을 지원한다.

TIER IV에 따르면 OnePlanner는 인식과 모션 계획을 결합한다. 현재 LiDAR 포인트 클라우드에서 조감도 표현을 생성하는 데 BEVFusion을 사용하며, 인식 과정에서 추출한 특징을 물체의 위치와 속도로 변환하는 중간 단계를 줄여 계획 모듈에 직접 전달한다. 또한 고정밀 지도, 경로 정보, 신호등 상태, 차량의 움직임 상태를 반영해 6초 길이의 주행 경로를 생성한다. Autoware 통합은 완료됐다.

LatentDrive는 자기 지도 학습 방식인 V-JEPA를 사용해 카메라 영상의 특징을 잠재 공간에 표현하고, 중간 단계의 물체 탐지와 추적 없이 주행 경로를 생성한다. TIER IV에 따르면 이 모델은 고정밀 지도가 필요 없으며, 영상과 경로 정보, 차량의 움직임 상태를 사용해 4초 길이의 주행 경로를 만든다. 카메라 1대 또는 3대를 지원하며, Autoware 통합과 차량 내 검증은 아직 진행 중이다.

AutoE2E V1.0에 포함된 내용

TIER IV의 후원을 받는 Autoware Foundation의 Robotaxi Working Group은 연구 및 상업적 이용을 허용하는 Apache 2.0 라이선스로 AutoE2E v1.0을 2026년 11월 11일 공개했으며, 학습된 체크포인트도 제공한다. 이번 공개에는 10Hz로 작동하는 Reactive Model이 포함된다. 이 모델은 카메라 6대의 영상을 조감도 형태로 융합하고 6.4초 동안의 가속과 조향을 계획한다. 월드 모델과 추론 계층은 동일한 플래너와 함께 작동하도록 개발이 계속 진행 중이다.

Autoware Foundation에 따르면 미세 조정된 AutoE2E 모델은 기록 데이터 검증에서 3초 동안 평균 변위 오차 0.744m를 기록해, 비교 대상인 8개 공개 가중치 구성 가운데 2위를 차지했다. 이 개방루프 테스트에서는 모델이 기록된 카메라 프레임을 바탕으로 경로를 예측하고, 그 결과를 실제 운전자의 주행 경로와 비교해 점수를 매겼다. AutoE2E에는 지도 래스터와 경로 정보도 입력됐지만, 모델마다 입력 데이터는 달랐다. 따라서 이 결과는 기록 데이터에 대한 경로 예측 성능을 나타내며, 무인 도로 주행 성능을 의미하지는 않는다.

AutoE2E는 개방루프 평가를 위해 Autoware에 통합됐으며, 상호작용이 필요한 주행을 평가하기 위한 실제 차량 폐루프 테스트가 진행 중이다. Autoware Foundation은 배포 성능과 자원 요구량은 플랫폼별 평가를 거쳐야 하며, 2027년에 추가 도로 주행 시험을 계획하고 있다고 밝혔다. 이 프로젝트는 L2++ 핸즈프리 운전 보조부터 미래의 L4 무인 모빌리티까지를 목표로 하지만, L4는 현재 가능한 기능이 아니라 개발 목표다.

상용화 및 개발 워크플로

TIER IV에 따르면 METEOR 개발에는 Co-MLOps에 포함된 자동 라벨링 플랫폼 CoMET와 에이전트형 AI를 함께 사용해 데이터 라벨링, 모델 학습, 평가, 개선을 자동화한다. 이에 따라 수동 코딩과 라벨링이 필요하지 않다. 완성차 제조사와 부품 공급업체는 오픈소스 모델을 각자의 차량 사양과 성능 요구 사항에 맞게 최적화할 수 있다.

창립자 겸 CEO인 가토 신페이는 여러 모델을 활용하는 전략이 제조업체와 공급업체가 “특정 AI 모델이나 반도체 플랫폼에 의존하지 않고, 각자의 적용 분야와 성능 요구 사항에 맞춰 기술을 내재화”하도록 돕기 위한 것이라고 말했다.

NVIDIA의 자동차 부문 부사장 알리 카니는 Alpamayo 2 Edge 통합을 통해 개발자들이 연구 단계의 기술을 실제 차량에 적용할 수 있는 개방형 기반이 마련된다고 말했다.

TIER IV가 밝힌 다음 단계는 성능을 추가로 개선하고, 차량 내 최적화를 진행하며, Autoware를 통해 완성차 업체 및 파트너와 함께 상용화하고, 다양한 차량 유형과 응용 분야로 확대하는 것이다. Autoware 2.0은 공통 아키텍처를 제공하지만, AutoE2E의 폐루프 테스트가 아직 완료되지 않았다는 점은 오픈소스로 이용할 수 있다는 것과 차량 적용이 검증되었다는 것이 서로 별개의 단계임을 보여준다.