샤오미, 자율주행 AI 프레임워크 원브이엘 오픈소스 예고

• 샤오미가 자율주행용 인공지능 프레임워크 ‘원브이엘’을 공개함

  • 5월 13일 공개된 프레임워크고, 레이쥔 샤오미 창업자 겸 최고경영자는 모델과 코드베이스를 전면 오픈소스로 공개하겠다고 밝힘
  • 목표는 전 세계 개발자와 연구자가 자율주행용 대규모 인공지능 모델 개발에 참여할 수 있게 만드는 것

• 원브이엘의 핵심은 자율주행 판단을 ‘언어 추론만으로는 부족하다’고 본 데 있음

  • 샤오미는 실제 주행에서는 차량 움직임, 도로 구조, 장애물 변화가 복잡한 공간·시간 관계로 엮인다고 설명함
  • 그래서 압축된 언어 표현만 쓰면 주행에 필요한 구조적 정보가 손실될 수 있다고 봄

• 그래서 원브이엘은 언어, 시각, 행동을 한 프레임워크 안에 묶음

  • 비전-언어-행동 모델, 월드모델, 잠재공간 추론을 통합한 구조임
  • 모델이 내부 표현 체계에서 사고하고, 미래 시각 장면을 예측하고, 전체 추론 과정을 단일 단계로 압축하는 게 핵심

• 특히 ‘미래 시각 장면 예측’을 직접 학습에 넣은 점이 포인트임

  • 샤오미는 미래 장면을 압축해 예측하면 실제 주행 결과와 가까운 정보를 더 잘 보존할 수 있다고 설명함
  • 말로만 “앞차가 끼어들 수 있음”이라고 판단하는 게 아니라, 시각 세계가 어떻게 변할지까지 같이 모델링하겠다는 얘기임

• 오픈소스 공개가 실제로 이뤄지면 자율주행 연구 생태계에 꽤 큰 떡밥이 될 수 있음
  • 자동차 회사가 내부 연구 성과를 논문 수준에서 소개하는 것과, 모델·코드베이스를 개발자들이 직접 돌려보게 하는 건 완전히 다른 얘기임
  • 다만 기사에는 벤치마크 이름, 수치, 비교 환경이 구체적으로 나오지 않아서 성능 주장은 공개 후 검증이 필요함

---

기술 맥락

• 샤오미가 원브이엘에서 고른 방향은 ‘언어로 설명 가능한 추론’과 ‘시각적으로 미래를 예측하는 능력’을 같이 쓰는 거예요. 자율주행은 설명만 잘한다고 되는 문제가 아니라, 몇 초 뒤 도로 위 객체들이 어떻게 움직일지 맞혀야 하거든요.

• 기존 체인 오브 소트 방식은 추론 과정을 명시적으로 늘어놓을 수 있어서 해석에는 유리해요. 그런데 자율주행처럼 지연 시간이 중요한 환경에서는 추론이 길어질수록 부담이 커지고, 실제 센서 장면의 구조 정보가 언어로 압축되면서 빠질 수 있어요.

• 원브이엘은 이 문제를 잠재공간에서 풀려는 쪽이에요. 원본 이미지나 긴 언어 추론을 그대로 끌고 가기보다, 모델 내부 표현에 미래 시각 예측과 언어 추론을 같이 넣어서 판단 속도와 정보 보존 사이의 균형을 잡으려는 거죠.

• 개발자 입장에서 재미있는 지점은 오픈소스 공개예요. 자율주행 모델은 데이터, 시뮬레이션, 평가 기준이 워낙 폐쇄적인 편이라서, 코드가 나오면 실제 벤치마크 재현성과 구조적 장단점을 확인할 수 있는 재료가 생겨요.