핵심 수치

배달의민족 운영사 우아한형제들은 28일 우아한테크콘퍼런스 2026에서 배달로봇 딜리의 자율주행 학습과 검증 방식을 공개했다. 핵심은 주행 데이터를 골라 학습하는 엔드투엔드 방식과, 실제 도로 상황을 가상환경에서 재현하는 시뮬레이션이다.

항목 기존 개선 후
데이터가 확보된 도로 비율 13.7% 28.2%
3D 도로 모델 규모와 생성 시간 0.085㎢, 40시간 4.4㎢, 34분
야외 테스트 기간 5일 3일
개선·검증에 걸리는 기간 3~4주 뉴스에 수치 미공개

기존 주행 영상의 약 82%는 통행량이 많은 상위 10% 도로에 집중됐다. 개선 후 데이터 확보 도로 비율은 14.5%포인트 늘어 약 2.1배가 됐다. 3D 도로 모델은 약 51.8배 넓은 규모를 더 짧은 시간에 만들며, 야외 테스트는 2일 단축됐다.

항목별 비교: 데이터 학습과 가상도로 검증

엔드투엔드 학습은 인식·경로 계획·제어 기능을 따로 고치는 대신, 주행 데이터를 바탕으로 자율주행 모델 전체를 학습시키는 방식이다. 우아한형제들은 골목길과 돌발 상황처럼 기존에 데이터가 적었던 장면을 우선 수집하도록 바꿨다. 발표자는 데이터의 양보다 새로움과 다양성이 성능 향상에 중요하다고 설명했다.

시뮬레이션은 실제 도로에서 수집한 상황을 가상환경에 재현해 소프트웨어를 검증하는 방식이다. 날씨·보행자·차량 움직임이 매번 달라지는 실제 도로와 달리, 같은 조건을 반복해 개선 결과를 확인할 수 있다. 뉴스에 따르면 코드 수정 후 매일 새벽 4시에 시뮬레이션 검증을 자동 실행한다.

의미 해석과 실무 적용

수치가 보여주는 변화는 테스트 횟수만 줄인 것이 아니다. 데이터 수집 범위가 넓어져 드문 골목 상황을 학습에 반영하고, 그 상황을 가상도로 반복 검증할 수 있는 흐름이 마련되고 있다. 다만 공개된 자료에는 실제 배송 성공률이나 사고율 변화 수치가 없어, 테스트 단축만으로 현장 성능 향상 폭을 판단할 수는 없다.

로봇 자율주행 사례를 비교할 때는 데이터 규모와 테스트 시간 외에도 어떤 도로 장면을 추가했는지, 같은 조건에서 수정 전후를 반복 검증했는지, 현장 성능 지표를 공개했는지를 함께 확인할 필요가 있다.

결론

딜리는 도로 데이터 확보 비율을 13.7%에서 28.2%로 높이고, 가상 도로 생성과 시뮬레이션 검증을 통해 야외 테스트를 5일에서 3일로 줄였다. 다음 단계로는 데이터 수집 범위, 반복 검증 조건, 실제 주행 성능 지표를 나눠 확인하면 발표된 통계의 의미를 구체적으로 비교할 수 있다.

  • #딜리
  • #배민
  • #자율주행
  • #엔드투엔드학습
  • #시뮬레이션