[엠투데이 이정근기자] 자율주행 기술 기업 포니.ai(Pony.ai)가 자율주행 AI의 학습 구조를 근본적으로 바꾸는 ‘포니월드 2.0(PonyWorld 2.0)’을 공개하며, 상용화 단계에 진입한 자율주행 산업의 경쟁 구도를 재편하고 있다.
이번에 공개된 포니월드 2.0은 단순한 시뮬레이션 도구를 넘어, 자율주행 AI가 스스로 학습 방향을 설계하는 ‘자기 개선형 학습 시스템’으로 진화한 것이 핵심이다. 기존에는 엔지니어가 데이터 수집과 학습 방향을 설계했다면, 이제는 AI가 스스로 부족한 부분을 찾아내고 이를 보완하는 구조로 전환된 것이다.
핵심 기능은 세 가지로 요약된다. 첫째, 모델이 스스로 약점을 분석하는 ‘자기 진단(Self-Diagnosis)’ 기능이다. 둘째, 부족한 상황을 중심으로 실제 데이터를 수집하는 ‘타깃 데이터 수집’이다. 셋째, 가장 어려운 케이스에 집중하는 ‘효율적 학습 구조’다. 이 세 가지가 결합되면서 학습 속도와 정확도를 동시에 끌어올리는 구조가 완성됐다.
이 변화는 자율주행 산업의 단계 변화와 맞물려 있다. 초기에는 기술 구현 자체가 목표였다면, 이제는 얼마나 빠르고 안정적으로 성능을 개선할 수 있는지가 핵심 경쟁력이 됐다. 특히 로보택시처럼 24시간 운영되는 서비스에서는 전력 효율과 안정성, 비용 구조까지 직결되는 요소다.
포니월드 2.0의 구조는 ‘월드 모델(World Model)’ 개념을 기반으로 한다. 단순히 가상 데이터를 생성하는 수준을 넘어, 실제 도로 환경과 차량·보행자 간 상호작용을 정밀하게 재현하는 것이 특징이다. 여기에 ‘의도 레이어(Intention Layer)’가 추가되면서 AI가 왜 특정 판단을 내렸는지까지 내부적으로 이해하고 비교할 수 있게 됐다.
이 구조를 통해 AI는 자신의 판단 결과와 실제 결과를 비교하고, 어떤 상황에서 학습이 부족했는지를 자동으로 도출한다. 이후 인간 팀에게 특정 상황의 데이터 수집을 요청하고, 수집된 데이터를 다시 학습에 반영하는 ‘폐쇄형 학습 루프’를 형성한다.
이 방식은 자율주행 개발 패러다임 자체를 바꾸는 접근이다. 과거에는 인간이 데이터 라벨링과 학습 방향을 주도했다면, 이제는 AI가 학습의 중심이 되고 인간은 데이터 수집을 실행하는 역할로 전환된다.
현재 포니.ai는 해당 시스템을 L4 자율주행 차량 운영에 적용하고 있으며, 안전성·승차감·교통 효율 개선에 활용하고 있다. 이미 중국 주요 도시에서 로보택시 운영의 경제성을 검증한 상태이며, 연내 3,000대 이상의 차량을 20개 도시로 확대하는 것을 목표로 하고 있다.
특히 주목할 부분은 이 기술이 자율주행을 넘어 ‘피지컬 AI(Physical AI)’ 전반으로 확장될 가능성이다. 실제 환경에서 학습해야 하는 로봇, 물류, 제조 시스템에도 동일한 구조가 적용될 수 있기 때문이다.
결국 포니월드 2.0은 단순한 기술 업그레이드가 아니라, AI가 스스로 성장하는 구조를 구현했다는 점에서 의미가 크다. 이는 자율주행 산업이 ‘기술 검증 단계’에서 ‘대규모 상용화 단계’로 넘어가는 전환점으로 해석된다.
Copyright ⓒ M투데이 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
