자율주행차 학습을 위한 센서 데이터 트리아지 전략

자율주행차 플릿은 매일 차량당 최대 152TB의 데이터를 생성하며, 이 중 대부분은 반복적이고 가치가 낮은 데이터로 구성되어 학습 효율을 저하시킨다. 센서 데이터 트리아지는 원시 로그를 품질, 참신함, 학습 가치에 따라 필터링하고 우선순위를 정해 주석 작업의 효율성을 극대화하는 과정이다. 이 과정은 규칙 기반 필터, 시나리오 기반 우선순위 지정, 능동 학습을 활용하여 모델 성능 향상에 기여하는 핵심 데이터만 선별한다. 다중 센서 퓨전 환경에서는 시간 정렬과 센서 간 일관성 검증이 필수적이며, 이를 통해 모델 학습을 위한 고품질의 지상 진실 데이터를 확보한다.