이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
도심 자율주행에서 예상하는 가장 큰 도전은 예측 불가한 상황이 빈번하게 발생한다는 것입니다. 갑자기 뛰어드는 보행자, 신호 없이 진입하는 오토바이, 비나 역광으로 인한 센서 성능 저하가 실제 운행 환경에서 복합적으로 발생합니다. 수업에서 자율주행 사례를 분석했을 때, 개방 도로보다 도심에서 예외 케이스의 빈도와 다양성이 훨씬 높다는 것을 배웠습니다. 해결 방향은 단일 센서 의존을 줄이고 다중 센서 융합으로 신뢰성을 높이는 것이 기본이고, 불확실한 상황에서는 안전을 우선해 속도를 줄이거나 멈추는 보수적 전략이 맞다고 봅니다. 지도 정밀도도 중요합니다.
HD 맵이 최신 상태를 반영하지 못하면 오히려 혼란이 됩니다. 기술적 완성도보다 어떤 상황에서 어떻게 실패할지를 먼저 이해하는 것이 도심 자율주행의 핵심 과제라고 생각합니다.
도심 자율주행에서 직접 손이 닿은 자리를 말씀드리겠습니다. 시뮬레이션 환경에서 도심 교차로 시나리오를 구현하는 과제를 했는데, 신호 없는 교차로에서 보행자와 차량이 동시에 있을 때 어떤 규칙을 따라야 하는지 정의하기 어려운 자리가 있었습니다. 규칙 기반 플래너가 처리하기 어려운 상황이 실제로 얼마나 많은지 시뮬레이션을 통해 알게 됐습니다.
폐색 구역에서 보행자가 갑자기 나타나는 시나리오를 처리할 때, 안전 마진을 크게 잡으면 차가 너무 자주 멈춰 교통 흐름을 방해하는 자리가 생겼습니다. 안전과 교통 흐름 사이의 트레이드오프가 직접 보이는 자리였습니다. 아직 부족한 건 ODD를 명확히 정의해 배포 범위를 제한하는 실제 결정 경험인데, 이 부분은 실무에서 배워야 하는 자리입니다.
시뮬레이션이 도심 자율주행 도전과제를 직접 보는 자리라는 걸 생각하고 있습니다.
도심 자율주행에서 본인이 아직 막혀있는 자리를 솔직히 말씀드리겠습니다. 보행자의 의도를 예측하는 것이 이론으로는 알지만 실제로 어떤 모델이 잘 작동하는지 판단하기 어려운 자리가 있습니다. 사회적 행동 모델과 Transformer 기반 예측 모델이 있는데, 어떤 상황에서 어느 모델이 더 적합한지 직접 비교해본 경험이 없는 자리입니다.
악천후나 야간 조건에서 물체 감지 성능이 어느 정도까지 저하되는지도 실제 데이터 없이는 판단하기 어려운 자리입니다. 도심 자율주행의 가장 어려운 자리는 엣지케이스가 무한히 다양하다는 것인데, 어느 것을 먼저 해결할지 우선순위를 정하는 것 자체가 어렵습니다. 아직 부족한 건 실제 도심 환경에서 수집한 데이터를 분석하고 실패 케이스를 분류하는 경험인데, 이 부분은 실무 환경이 필요한 자리입니다.
한계를 더 잘 아는 것이 도심 자율주행 해결의 시작 자리라는 걸 생각하고 있습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성디스플레이 공통직무·미지정 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.