자율 주행을 위한 엣지 케이스 탐지: 방법론 및 워크플로

자율 주행 차량이 수집하는 방대한 데이터 중 실제 모델 학습에 중요한 엣지 케이스는 극히 일부에 불과하며, 이를 효율적으로 선별하는 것이 안전성 확보의 핵심입니다. 본 가이드는 모델의 불확실성을 이용하는 능동 학습(Active Learning), 임베딩 기반의 유사도 검색, 분포 외 탐지(OOD), 그리고 규칙 기반 필터링을 결합한 탐지 체계를 설명합니다. 이러한 방법론을 통해 모든 데이터를 균일하게 라벨링하는 대신 모델이 취약한 시나리오에 주석 작업 리소스를 집중하여 학습 효율과 비용 대비 성능을 극대화할 수 있습니다. 최종적으로 탐지된 데이터는 우선순위 큐를 통해 주석 워크플로에 통합되어 모델의 지속적인 개선을 이끄는 폐쇄 루프 시스템을 구축하게 됩니다.