CoLMIN: LLM-based Multi-Decision Path Negotiation for Cooperative Autonomous Driving

혼자서 자동차를 운전하는 것은 고독한 판단의 행위이지만, 군중 속에서 운전하는 것은 끊임없이 이어지는 침묵의 대화입니다. 수십 년 동안 엔지니어들은 기계가 그 대화를 나눌 수 있도록 가르치려 노력해 왔으며, 만약 자동차가 서로의 의도를 공유하고 움직임을 조율할 수 있다면 교통 흐름이 더 안전하고 원활해질 것이라고 기대했습니다. 초기 시도들은 경직된 규칙이나 복잡한 수학적 공식에 의존했지만, 이러한 방식은 현실 세계의 무질서한 예측 불가능성에 직면했을 때 종종 어려움을 겪었습니다. 최근에는 연구자들이 방대한 양의 인간 텍스트로 학습된 강력한 컴퓨터 시스템인 대규모 언어 모델을 사용하여 자동차들이 서로 "대화"하도록 돕기 시작했습니다. 이 시스템들은 인간 운전자처럼 복잡한 상황을 추론하며 옵션을 저울질하고 누가 먼저 갈지를 협상할 수 있습니다. 그러나 이 새로운 접근 방식에서 결정적인 결함이 나타났습니다. 자동차들이 협상할 때 종종 교착 상태에 빠진다는 점입니다. 만약 두 차량이 단 하나의 고정된 계획을 제안하고 서로 의견이 엇갈린다면, 그들은 협상이 실패할 때까지 물러나기를 거부하며 고집을 피우게 되고, 이는 잠재적으로 충돌이나 교통 정체로 이어질 수 있습니다.

이를 해결하기 위해, 한 연구팀은 자율주행 차량의 협상 방식을 바꾸는 CoLMIN이라는 새로운 프레임워크를 개발했습니다. 각 자동차가 단 하나의 경로만을 선택하여 그것을 주장하도록 강요하는 대신, CoLMIN은 모든 차량이 동시에 여러 가지 서로 다른 안전한 옵션을 생성하도록 권장합니다. 여러 사람이 어디에서 먹을지를 결정하려고 노력하는 상황을 상상해 보십시오. 만약 모두가 단 하나의 식당만을 고집한다면, 그 그룹은 결코 합의에 도달하지 못할 수도 있습니다. 하지만 모두가 몇 가지 다른 장소를 제안한다면, 그룹은 모두에게 적합한 해결책을 찾을 가능성이 훨씬 높아집니다. 이와 마찬가지로, CoLMIN은 자동차들이 이웃 차량들에게 가능한 행동의 메뉴를 제시할 수 있게 합니다. 그런 다음 시스템은 이 옵션들을 평가하여, 모두의 안전을 지키면서도 효율적으로 움직일 수 있는 조합을 찾아냅니다. 만약 초기 제안들이 합의로 이어지지 않는다면, 시스템은 단순히 똑같은 논쟁을 반복하는 데 그치지 않습니다. 시스템은 계획을 개선하기 위한 빠르고 구체적인 조언을 제공하는 "얕은 성찰(shallow reflection)"을 사용하며, 만약 자동차들이 여전히 고집스럽게 행동한다면, 완전히 새로운 전략을 고려하도록 상기시켜 주는 "깊은 성찰(deep reflection)" 메커니즘이 개입하여 생산적이지 못한 루프에 빠지는 것을 방지합니다.

연구진은 복잡한 교차로와 까다로운 차선 변경을 포함한 10가지의 도전적인 시나리오에서 이 시스템을 고충실도 컴퓨터 시뮬레이션 내에서 기존 기술들과 비교 테스트했습니다. 결과는 CoLMIN이 이전 방식들보다 훨씬 더 효과적임을 보여주었습니다. 가장 어려운 차선 변경 테스트에서, 이 새로운 시스템은 기존의 가장 우수한 대안과 비교했을 때 안전성을 8% 향상시켰고, 주행 완료 성공률을 13% 높였습니다. 시뮬레이션 결과, 기존의 협상 방식은 자동차들이 너무 확신에 찬 단 하나의 경직된 계획 때문에 멈춰 서거나 충돌하는 교착 상태를 자주 초래했습니다. 반면, 다중 옵션 접근 방식은 차량들이 유연성을 갖게 하여 충돌 없이 교통 흐름을 유지하는 절충안을 찾을 수 있게 했습니다. 이 시스템은 보행자와 자전거 이용자 같은 예측 불가능한 요소들이 추가된 상황에서도 높은 성능을 유지하며 견고함을 입증했습니다.

이 접근 방식이 특히 유망한 이유는 단순히 더 잘 작동하기 때문이 아니라, 어떻게 작동하는지에 있습니다. 이 시스템은 찰나의 순간에 내려지는 단 하나의 완벽한 결정에 의존하지 않습니다. 대신, 재고하고 적응하는 인간의 능력을 모방합니다. 시뮬레이션에서 제안된 계획이 안전하지 않거나 비효율적이라고 판단되면, 시스템은 궤적을 조정하기 위한 즉각적인 피드백을 제공했습니다. 만약 자동차들이 동일한 지점을 두고 계속 논쟁한다면, 깊은 성찰 모듈이 대화의 이력을 분석하여 차량들이 지나치게 고집을 부리고 있음을 식별하고, 그들을 다른 선택지로 안내했습니다. 이러한 다중 경로 생성, 평가, 그리고 과거의 실수를 성찰하는 과정 덕분에 자동차들은 이전보다 훨씬 빠르게 안정적인 합의에 도달할 수 있었습니다. 실제로, 이 새로운 방법은 합의에 도달하는 데 필요한 협상 횟수를 줄였으며, 과도하게 확신에 차서 요지부동인 행동의 비율을 크게 낮추었습니다.

비록 이러한 결과가 현재 컴퓨터 시뮬레이션에 국한되어 있지만, 이는 자율주행의 미래를 향한 명확한 경로를 제시합니다. 연구진은 실제 도로에는 노이즈, 통신 지연, 그리고 항상 규칙을 따르지 않는 인간 운전자 등 통제된 디지털 환경보다 모델링하기 어려운 요소들이 존재한다는 점을 인정합니다. 그러나 CoLMIN이 시뮬레이션에서 보여준 성공은 안전하고 협력적인 주행의 핵심이 바로 유연성에 있다는 점을 시사합니다. 자동차가 반드시 하나의 완벽한 계획을 가져야 한다는 생각에서 벗어나, 여러 가지 좋은 해결책이 존재할 수 있다는 현실을 받아들임으로써, 이 새로운 프레임워크는 우리의 차량이 단순한 코드를 따르는 기계가 아니라, 공유된 지능적 대화의 참여자로서 세상을 함께 항해하는 미래에 한 걸음 더 다가가게 합니다.