드리빙: 디지털 트윈이 완전 통합된 대규모 멀티모달 주행 데이터셋

초록

드리빙(DrivIng)은 약 18 km에 걸친 도시·교외·고속도로 구간을 6대 RGB 카메라와 1대 LiDAR, 고정밀 ADMA 기반 위치추정기로 연속 촬영한 대규모 멀티모달 데이터셋이다. 10 Hz로 12개 클래스 1.2 백만 개 이상의 3D 바운딩 박스를 제공하며, 전 구간에 대한 지오레퍼런싱 디지털 트윈을 구축해 실제 교통 흐름을 1:1로 시뮬레이션에 옮길 수 있다. 데이터와 디지털 트윈, HD맵, 코드베이스를 공개하고 최신 인식 모델을 벤치마크함으로써 재현 가능한 연구 기반을 제공한다.

상세 분석

드리빙 데이터셋은 기존 KITTI·nuScenes·Waymo 등 대규모 주행 데이터베이스와 비교했을 때 몇 가지 차별점을 가진다. 첫째, 연속적인 18 km 구간을 하나의 트랙으로 기록함으로써 장시간 시퀀스와 객체 트래킹에 필요한 연속성을 확보한다. 이는 단편적인 짧은 시퀀스가 대부분인 기존 데이터셋과 달리 장거리 주행 상황에서의 행동 예측·경로 계획 연구에 유리하다. 둘째, 6대 카메라가 360° 시야를 커버하고, 20 FPS·128 레이·240 m 사거리의 LiDAR가 동시에 수집돼 멀티센서 융합 연구에 최적화돼 있다. 특히 카메라와 LiDAR의 동기화·보정 절차가 상세히 기술돼 있어 재현성 높은 실험 설계가 가능하다. 셋째, 전 구간에 대한 고정밀 GPS/IMU 기반 위치와 HD맵을 포함한 ‘디지털 트윈’이 제공된다. 이 디지털 트윈은 실제 교통 에이전트(차량·보행자·자전거 등)의 궤적을 1:1로 시뮬레이션에 복제할 수 있게 해, 시뮬레이션 기반 edge‑case 생성·시스템 테스트·sim‑to‑real 전이 연구를 크게 촉진한다. 넷째, 10 Hz로 라벨링된 3D 바운딩 박스와 고유 트랙 ID가 제공돼 객체 추적·동작 예측·멀티에이전트 협업(perception‑fusion) 연구에 바로 활용할 수 있다. 라벨링 품질은 다중 검수 과정을 거쳐 신뢰성을 확보했으며, 개인 정보 보호를 위해 얼굴·번호판을 블러링 처리했다. 다섯째, 데이터셋은 주간·황혼·야간 3가지 조명 조건을 모두 포함해 조명 변화에 강인한 모델 개발을 지원한다. 통계적으로는 주간에 평균 20.6개의 객체가 프레임당 존재하고, 야간에는 12.8개로 조명에 따른 객체 밀도 차이를 제공한다. 객체 회전·거리 분포도 다양하게 포함돼 있어 비정형 각도·장거리 인식 연구에 적합하다. 마지막으로, 저자들은 MMDetection3D 기반 최신 3D 객체 탐지·트래킹 모델을 실험에 적용해 베이스라인 성능을 공개했으며, 코드와 변환 도구(nuScenes‑format)까지 제공해 연구자들이 손쉽게 데이터에 접근하고 평가할 수 있게 했다. 전체적으로 드리빙은 데이터 양·품질·디지털 트윈·다양한 시나리오·오픈소스 지원이라는 5대 축을 모두 갖춘 종합적인 주행 데이터 인프라라 할 수 있다. 다만 현재는 단일 차량(Audi Q8 e‑tron)에서 수집된 데이터이며, 센서 구성이 고정돼 있어 다른 센서 레이아웃이나 차량 플랫폼에 대한 직접적인 확장은 제한적이다. 또한, 디지털 트윈은 정적 환경(도로·건물·표지판)과 동적 교통 흐름을 재현하지만, 날씨(비·눈·안개)와 도로 표면 상태(미끄러움·포장 손상)와 같은 물리적 변수를 완전하게 모델링하지는 않는다. 향후 이러한 요소를 추가하면 시뮬레이션‑실제 간 격차를 더욱 줄일 수 있을 것이다.