배민 배달로봇 '딜리', AI로 골목길 배우고 가상도로서 실력 검증
배달의민족이 인공지능(AI)을 활용해 배달로봇의 자율주행 기술을 고도화하고 있다. 로봇이 실제 도로에서 수집한 데이터를 학습에 활용하고, 가상 도로에서 주행 성능을 미리 검증하는 방식으로 야외 테스트 기간을 40% 단축했다. 배달의민족 운영사 우아한형제들은 28일 서울 강남구 그랜드 인터컨티넨탈 서울 파르나스에서 열린 기술 콘퍼런스 '우아한테크콘퍼런스 2026(우아콘)'에서 이 같은 배달로봇 기술 개발 사례를 공개했다. 이날 '로봇 자율주행의 End-to-End 학습과 시뮬레이션 검증'을 주제로 발표한 이범희 로봇 자율주행 딥러닝 엔지니어와 여승훈 로봇 테스트 엔지니어는 배달로봇 '딜리'의 학습 방식 개선과 가상환경을 활용한 검증 과정을 소개했다. 주행 데이터 골라 학습…도로 수집 범위 2배 확대 기존 딜리의 자율주행 시스템은 주변 환경 인식과 경로 계획, 제어 기능을 분리해 운영했다. 새로운 주행 상황이 발생하면 개별 기능을 수정해야 했으며, 한 차례 개선과 검증에 3~4주가 소요됐다. 우아한형제들은 이를 개선하기 위해 주행 데이터를 바탕으로 자율주행 모델 전체를 학습시키는 '엔드투엔드(End-to-End)' 방식으로 전환하고 있다. 이범희 엔지니어는 "사람이 설계한 구조는 결국 사람이 설계한 만큼만 성능이 올라가는 한계가 있다"며 "데이터가 쌓일수록 성능이 계속 높아지는 구조를 만들고자 했다"고 설명했다. 데이터 수집 방식도 바꿨다. 기존에는 로봇이 자주 지나는 주요 도로에 주행 데이터가 집중됐다. 실제 수집된 영상의 약 82%가 통행량이 많은 상위 10% 도로에서 발생했다. 이에 우아한형제들은 로봇이 자주 다니지 않는 골목길이나 돌발 상황의 데이터를 우선 수집하도록 시스템을 개선했다. 그 결과 주행 데이터가 확보된 도로의 비율은 13.7%에서 28.2%로 약 2배 증가했다. 이 엔지니어는 "자율주행 모델의 성능 향상을 이끄는 것은 무작정 쌓은 데이터의 양이 아니라 데이터가 지닌 새로움과 다양성"이라며 "한정된 자원 안에서 가치 있는 장면을 골라내는 전략이 핵심"이라고 강조했다. AI로 가상 도로 구축…야외 테스트 5일서 3일로 우아한형제들은 자율주행 소프트웨어를 실제 도로에 적용하기 전 가상환경에서 검증하는 시뮬레이션 시스템도 구축했다. 기존에는 소프트웨어를 업데이트할 때마다 담당자가 로봇과 함께 도로를 주행하며 성능을 확인해야 했다. 날씨와 보행자, 차량 움직임 등이 매번 달라 동일한 조건에서 반복 검증하기도 어려웠다. 여승훈 엔지니어는 "자율주행 코드는 그대로 두고 세상만 가상으로 바꾸는 것"이라며 "실제 도로에서 겪은 상황을 시뮬레이션으로 재현하면 개선된 소프트웨어가 문제를 해결했는지 확인할 수 있다"고 설명했다. 시뮬레이션용 도로 제작에도 AI를 활용했다. 기존에는 0.085제곱킬로미터 규모의 도로를 3차원으로 구현하는 데 40시간이 걸렸지만, 자동화 시스템 구축 이후에는 4.4제곱킬로미터 규모의 3D 모델을 34분 만에 생성할 수 있게 됐다. 소프트웨어 검증도 자동화했다. 개발자가 코드를 수정하면 매일 새벽 4시에 시뮬레이션 테스트가 실행되고, AI가 오류 원인으로 의심되는 코드 변경 사항을 찾아낸다. 최종 판단은 사람이 맡는다. 이 같은 개선으로 기존 5일이 걸리던 야외 테스트는 3일로 줄었다. 현재는 시뮬레이션 검증을 이틀간 진행한 뒤 실제 도로에서 장애물 인지와 위치 인식 등을 확인하고 있다. 여 엔지니어는 "반복되는 일은 자동화하고, 서로 맞추는 작업은 AI에 맡기되 판단은 사람이 하는 방식"이라며 "매일 테스트를 진행하면 문제가 발생했을 때 원인을 하루치 변경 사항으로 좁힐 수 있다"고 말했다.
