AI가 핵심 내용을 요약했어요
AI 기술을 활용한 요약 서비스입니다. 보다 정확한 정보를 위해 본문 확인을 권장합니다.
현대차그룹이 자율주행 기술 개발 로드맵과 데이터 플라이휠 기반 전략을 공개했다. 외부 검증 기술로 양산 속도를 높이는 동시에 자체 개발 AI 'Atria AI'로 핵심 기술을 내재화하는 투 트랙 전략을 추진 중이며, 엔비디아 협력 기반 레벨 2+ 기능은 2028년 상반기, Atria AI 적용 레벨 2++는 2029년 하반기 출시를 목표로 한다. 실주행 데이터 수집부터 학습·검증·배포까지 이어지는 데이터 플라이휠 체계를 구축해 AI 성능을 지속 개선하고 있으며, 언어 기반 차세대 자율주행 시스템 VLA 모델 개발도 병행 중이다.
현대자동차그룹은 어떻게 자율주행 시대를 준비하고 있을까? 자율주행 개발 로드맵과 이를 실현해 나갈 구체적인 시나리오를 소개하는 ‘HMG 자율주행 미디어 데이’에서 그 해답을 들여다봤다.
생성형 AI의 폭발적인 성장을 시작으로 인공지능 기술이 빠르게 발전하고 있다. 그리고 그 영향력은 디지털 환경을 넘어 현실 세계로 확장 중이다. 주변 환경을 인식하고 상황을 판단해 실제 움직임으로 구현하는 ‘피지컬 AI(Physical AI)’가 사람과의 상호작용을 넘어 AI가 현실 세계의 문제를 해결하는 단계로 나아가고 있다. 특히 피지컬 AI 개념의 부상과 함께 자율주행 기술 발전이 가속화되며, 자율주행 기술의 상용화와 미래 모빌리티에 대한 대중의 관심이 그 어느 때보다 높아진 상황이다.
지난 11일 개최된 ‘HMG 자율주행 미디어 데이’는 이러한 관심에 부응해 현대차그룹이 그리는 자율주행의 미래와 기술 개발 방향을 공유하기 위해 마련됐다. 단순한 개별 기술 소개에 그치지 않고, 변화하는 AI와 자율주행 기술에 현대차그룹이 어떻게 대응하고 있는지 한눈에 살펴볼 수 있는 자리였다. 이날 행사는 기조연설과 자율주행 연구개발 현황 및 기술 발표 세션, 발표자와의 질의응답, 자율주행 차량 개발 워크샵 투어 순으로 진행돼, 현대차그룹의 기술 개발 현황과 이를 둘러싼 다양한 기술적 접근을 확인할 수 있었다.
자율주행, 자동차의 기본 경쟁력이 되다
기조연설을 맡은 AVP본부장 겸 42dot 대표이사 박민우 사장이 환영사와 함께 HMG 자율주행 미디어 데이의 막을 열었다. 그는 지난 20여 년간 미국 현지에서 자율주행과 AI 기술의 변화를 지켜본 경험을 바탕으로 이야기를 풀어냈다. 테슬라 오토파일럿 초기 개발에 참여하고 엔비디아에서 자율주행 인지 조직과 AI 클라우드 조직, Synthetic Data Generation 조직 등을 이끌었던 그는 “자율주행은 더 이상 특정 기능의 우열을 가리는 경쟁이 아니다”라고 언급하며 “많은 데이터를 확보하고 빠르게 학습하며, 그 결과를 신속하게 제품에 반영하는 것이 기업의 경쟁력을 결정한다”고 강조했다.
박민우 사장은 “미국은 완성차 업체와 자율주행 기업이 실차 데이터와 로보택시 서비스를 통해 시장의 기준을 만들어 가고 있으며, 중국 역시 고정밀 지도 없이 복잡한 도심을 주행하는 기술을 일상적인 서비스로 전환하고 있다”라며 글로벌 자율주행 기술의 현황을 설명했다. 또한 “앞으로 자율주행이 없는 자동차는 판매하기 어려워질 것”이라고 말하며 바퀴 없는 자동차를 생각하기 어려운 것처럼 자율주행이 자동차의 기본 경쟁력이 되는 시점이 예상보다 가까이 와 있다고 이야기했다.
박민우 사장은 “좋은 자동차를 만드는 것과 좋은 AI를 만드는 것은 서로 다른 역량”이라고 강조하며 완성차 기업이 AI 경쟁에서 마주하고 있는 근본적인 과제도 짚었다. 이는 정해진 설계와 품질 기준에 따라 높은 완성도의 제품을 반복 생산하는 데 강점을 가진 완성차 업체와 달리, AI 경쟁력은 새로운 데이터로 모델을 지속적으로 학습시키고 판단 기준을 개선해 나가는 역량이 중요하다는 설명이다.
박민우 사장은 소프트웨어와 AI를 중심으로 성장한 42dot과, 전 세계 수천만 대의 차량을 양산하고 다양한 시장에서 고객 경험을 쌓아온 현대차·기아의 역량을 결합해 이와 같은 시대적 요구 역량을 확보해 나가겠다고 언급했다. 그는 기조 연설을 마무리 지으며 “자율주행은 단순한 편의 기능이 아닌 고객의 안전과 신뢰에 직결되는 기술”이라고 강조했다. 그러면서 “기술을 시장에 빠르게 내놓는 것만을 목표로 기술의 완성도와 품질을 타협하지 않겠다”는 개발 원칙도 분명히 했다.
현대차그룹의 자율주행 기술 로드맵을 들여다보다
박민우 사장의 소개말과 함께 권정현 부사장이 무대에 올랐다. 지난 8월 현대차그룹에 합류한 그는 자율주행개발센터를 총괄하면서 42dot의 AD Division Lead 직책을 겸임 중이다. 그는 현대차그룹의 자율주행 전략을 골자로, 이를 실현하기 위한 투 트랙 전략의 실행 방식과 그 기반이 되는 데이터 플라이휠(Data Flywheel), 자율주행 로드맵 진행 상황 등으로 나누어 설명했다.
권정현 부사장은 먼저 투 트랙 전략의 핵심을 ‘외부의 검증된 기술을 활용해 시장 진입 속도를 높이는 것’과 ‘직접 핵심 기술을 확보해 장기적인 경쟁력을 만드는 것’이라고 요약했다. 첫 번째 전략을 위해 현재 AVP본부와 42dot은 AI 컴퓨팅 플랫폼과 자율주행 소프트웨어 스택을 제공하는 엔비디아와 협력하고 있으며, 이를 통해 초기 양산 속도를 높이면서 실제 고객 차량에서 대규모 주행 데이터를 확보할 계획이다.
현대차그룹은 엔비디아의 ‘하이페리온(Hyperion) 10’에 기반한 센서셋으로 센서 체계를 표준화하는 작업을 진행 중이다. 차량마다 센서 구성이 다르면 수집 데이터의 형태도 달라져 재가공과 학습에 추가적인 작업이 필요하기 때문이다. 엔비디아 솔루션이 적용되는 첫 SDV 양산차의 레벨 2+ 기능은 2028년 상반기, 레벨 2++는 2028년 하반기 적용을 목표로 한다.
투 트랙 전략의 또 다른 축은 AVP본부와 42dot이 공동 개발하는 자율주행 AI ‘Atria AI’의 내재화다. 권정현 부사장은 이에 대해 “AVP본부와 42dot은 공동 개발 중인 E2E(End-to-End) 기반 자체 자율주행 시스템 Atria AI를 지속적으로 고도화하고 있으며, 구체적으로는 개발 환경과 업무 프로세스, 정보 공유 체계를 하나로 통합해 사실상 하나의 개발팀처럼 협업하고 있다”고 설명했다. 두 조직은 하나의 공유 백본을 토대로 다양한 인지 기능과 차로 유지 및 변경, 경로 생성 등 E2E 주행 기능을 함께 처리하는 협업 모델을 개발 중이며, Atria AI가 적용되는 레벨 2++ 양산차는 2029년 하반기 출시를 목표로 하고 있다.
이와 같은 현대차그룹의 자율주행 기술 로드맵을 움직이는 엔진은 데이터 플라이휠 체계다. 데이터 플라이휠은 쉽게 말해 양산 차량에서 주행 데이터를 수집하고, 이를 분석하고 학습시켜 AI 성능을 고도화한 뒤, 다시 차량 개발에 반영하는 선순환 구조를 의미한다. 권정현 부사장은 “지난 100여 년간 자동차의 경쟁력은 엔진, 섀시, 제조 품질 같은 하드웨어에서 결정됐지만, 이제는 수집에서 학습으로, 학습에서 배포로 이어지는 데이터의 순환 고리를 먼저 완성하는 쪽이 우위를 갖게 된다”고 설명했다.
현재 현대차그룹은 190개가 넘는 국가 및 지역에서 연간 700만 대 이상의 차량을 판매 중이다. 이는 대량의 실주행 데이터를 확보할 수 있는 잠재적 기반으로, 향후에는 데이터 수집 차량의 규모를 빠르게 늘려 나갈 계획이다. 실제로 올해 초부터 현대차그룹은 AI 모델 성능을 향상시키는 핵심 신기술을 접목해 데이터 플라이휠의 순환 속도를 더욱 빠르게 만들고 있다.
Hard Example Mining
그러나 실제 차량이 수집하는 데이터의 상당수는 직선 차로를 정속으로 주행하는 상황처럼 자율주행 기술 개발 측면에서 가치가 낮을 수밖에 없다. 수집 데이터 중 AI 모델 성능을 향상시킬 수 있는 예외 상황(Edge case)에 대한 판별 기술이 필요한 이유다. 이 상황에서 쓰이는 ‘Hard Example Mining’ 기법은 AI 모델이 인식하지 못하거나 판단하기 어려운 주행 상황을 자동으로 선별해 학습에 활용한다.
Continuous Training
현대차그룹은 여기에 ‘Continuous Training’ 파이프라인을 더해 개발 효율을 높이고 있다. Hard Example Mining이 학습할 대상을 선별하는 과정이라면, Continuous Training은 찾아낸 데이터를 AI 모델에 반영하여 성능을 지속적으로 개선한다. 실제 차량 평가에서 새로운 취약 상황을 수집할 때마다 이를 학습하고 모델을 개선하는 과정을 반복하며 개발 사이클을 단축시키고 있다.
3D Gaussian Splatting
자율주행 기술의 고도화에는 학습뿐만 아니라 충분한 검증 과정도 필수적이다. 그러나 실제 도로에서 위험하거나 재현하기 어려운 상황을 반복해서 시험하는 데에는 한계가 있다. 이에 따라 현대차그룹은 실제 주행 중 수집한 영상 데이터를 기반으로 3차원 환경으로 재구성하는 ‘3D Gaussian Splatting’ 기술을 도입했다. 주행 환경을 가상 공간에 그대로 재현함으로써 안전하고 효율적인 검증이 가능해진 것이다.
Follow-the-Sun
운영 측면에서는 한국과 미국 등 주요 시장에 개발 거점을 마련해 개발 효율성을 극대화하는 ‘Follow-the-Sun’ 방식을 도입했다. 현대차그룹은 글로벌 연구개발 거점들의 시차를 활용해 데이터 수집과 이슈 분석, 모델 개선 업무 등을 24시간 끊김 없이 이어가는 개발 체계를 구축하고 있다.
Special Event Recorder
마지막으로 ‘Special Event Recorder(이하 SER)’는 주행 중 발생하는 중요한 이벤트를 기록해 데이터 플라이휠에 연결하는 장치다. 현재는 운전자의 기록 요청, 특정 상황의 자동 감지, 자율주행 해제 등의 상황을 중심으로 데이터를 확보하고 있으며, 향후에는 Atria AI가 인지 · 판단 · 제어 결과를 스스로 모니터링해 취약하다고 판단하는 상황을 자동으로 확보하는 기능도 검토하고 있다.
이러한 순환 체계는 단순한 데이터 축적을 목표로 하지 않는다. 권정현 부사장은 “자율주행 경쟁력은 단순히 데이터를 많이 가지고 있다고 해서 만들어지는 것이 아니다”라고 강조했다. 그는 그러면서 “중요한 것은 어떤 데이터를 골라내고, 그 데이터를 얼마나 효과적으로 학습하고, 검증한 뒤 얼마나 빠르게 다시 차량에 적용하느냐에 달려있다”고 덧붙였다.
데이터로 완성하는 자율주행, Atria AI
42dot에서 E2E 기반 자율주행 시스템 Atria AI 개발을 담당하는 정성균 GL은 자율주행 AI 개발에서 데이터가 갖는 중요성과 이를 활용한 개발 과정을 소개했다. E2E 방식은 사람이 운전 규칙을 하나씩 설계하는 대신 대량의 주행 데이터에서 센서 입력과 차량 제어 사이의 관계를 모델이 스스로 학습하는 접근이다. 그는 “AI 모델 개발은 코드를 설계하고 학습을 반복하는 것뿐만 아니라, 학습과 평가 단계에 사용되는 데이터를 보강하는 작업이 반드시 필요하다”며 데이터 엔지니어링의 중요성을 강조했다.
Atria AI의 데이터 중심 개발 과정은 수집, 분석, 학습, 배포의 네 단계로 나뉜다. 가령 수집 단계에서는 40여 대의 데이터 수집용 차량을 주야간으로 운영 중이며, 차량 한 대당 주당 80시간 이상의 데이터를 확보하고 있다. 이에 정성균 GL은 전체 데이터의 절반 가량이 직선 차로 정속 주행처럼 유사한 데이터인 만큼, 불특정한 시간과 장소에서 발생하는 엣지 케이스를 확보하려면 충분한 수의 수집 차량이 중요하다고 설명했다. 또한 그는 현대차그룹의 글로벌 제조 역량을 바탕으로, 본격 양산을 시작하면 5년 내 글로벌 경쟁사의 누적 데이터 양을 추월할 것으로 예상했다.
아울러 그는 “차량 상태와 소프트웨어 버전, 주행 경로를 체계적으로 관리하는 시스템을 자체 구축해 매주 새로운 소프트웨어를 비교 평가하고, 난이도별 통과 기준을 정해 시나리오를 검증하고 있다”고 덧붙였다. 이러한 관리 체계가 뒷받침돼야 데이터 플라이휠이 지속적으로 작동할 수 있다는 설명이다.
분석 단계에서는 자율주행 중 시스템이 적절하게 대응하지 못한 상황을 ‘Special Event’로 정의하고, SER을 통해 이벤트 전후 15초의 데이터를 기록해 서버로 전송한다. 비식별화부터 이슈 분석과 학습에 필요한 어노테이션*까지 데이터 파이프라인이 자동으로 처리해 개발팀이 즉시 문제를 분석할 수 있도록 한다.
*어노테이션(annotation): AI 모델 학습에 필요한 정답 데이터를 만들기 위해 이미지나 영상 속 객체에 라벨을 붙이는 작업.
학습 단계에서는 약 1억 개의 비교적 작은 파라미터로도 차량에서 높은 정확도로 동작할 수 있도록 설계했다. 여기에 양자화 기반 모델 최적화 기술도 적용한다. 정성균 GL은 “모델 최적화는 정확도와 계산 효율 사이의 트레이드오프를 섬세하게 컨트롤하는 과정”이라고 설명했다. 매주 개선된 모델을 확보하기 위해 대규모 GPU 인프라를 효율적으로 운용하는 MLOps 체계도 갖췄다. 작업 우선순위에 따라 학습이 자동 수행되고, 비정상 종료 시에는 스스로 복구해 GPU 인프라가 24시간 멈추지 않도록 운영하고 있다. 최종적으로는 실제 차량에 시스템을 통합해 실차 수준에서 요구되는 안전성과 성능을 충족하는지 확인하는 Sign-off 단계를 거친다.
정성균 GL은 Atria AI가 빠르게 변화하는 기술에 적절히 대응할 수 있었던 기반으로 데이터 축적과 관리에 대한 지속적인 투자를 꼽았다. 이어 발표를 마무리하며 그는 “축적된 데이터와 이를 다루는 노하우는 현대차그룹의 자율주행 기술을 완성하는 ‘해자’가 될 것”이라고 강조했다.
언어로 고도화되는 차세대 자율주행 시스템, VLA 모델
마지막 세션에서는 42dot에서 VLA 기반 차세대 자율주행 시스템 개발을 총괄하는 이희석 GL이 VLA 모델의 특징과 개발 현황을 소개했다. VLA는 시각 인지(Visual), 언어적 사고(Language), 행동 생성(Action)이 결합한 모델로, 그는 “E2E 모델이 Vision-Action 모델이라면 VLA는 여기에 Language(언어)가 추가된 형태”라면서 “최근 자율주행과 로보틱스 분야에서 떠오르는 획기적인 기술”이라고 이야기했다.
LLM에 준하는 규모의 언어 모델을 사용하는 VLA는 E2E 모델보다 연산량이 높아 고사양 반도체가 필요하다. 때문에 더 포괄적인 주행 상황에 대응할 수 있는 장점이 있다. 이희석 GL은 현대차그룹이 E2E 모델과 VLA 모델을 동시에 개발하는 이유에 대해 “각각의 장점이 있는 E2E와 VLA의 조합으로 차량 하드웨어 사양에 맞게 여러 구성의 소프트웨어를 공급할 수 있게 된다”고 설명했다.
그가 강조한 VLA의 강점 중 하나는 희귀 상황에 대한 대응력이다. 이희석 GL은 “VLA 모델에서는 언어적 사고가 들어가면서 LLM이 인터넷 스케일의 데이터에 학습된 결과, 즉 ‘상식’을 활용할 수 있다”고 말했다. 이어서 적은 학습 데이터로도 롱테일* 상황이나, 학습되지 않은 상황을 해결하는 것도 가능하다고 설명했다.
*롱테일(Long-tail): 자주 발생하지는 않지만 안전과 직결되는 예외적인 도로 상황
또한 언어를 매개로 동작하는 VLA의 특성은 모델 학습과 사용자에게 모두 도움이 되는 방향으로 진화할 수 있다. 이희석 GL은 이에 “사용자의 말을 알아들어 주행에 반영할 수도 있고, 반대로 판단 근거를 사람에게 설명하는 것도 가능하다”며, 모델의 행동 이유를 설명하는 기능이 자율주행에 대한 사용자의 신뢰를 높이는 데 도움이 될 수 있다고 강조했다.
이희석 GL은 현재 VLM foundation 모델 학습, 주행 판단·경로 학습, 모델 경량화, 폐루프 시뮬레이션* 기반 평가 등 제품화를 위한 기반 기술을 확보했으며, 이 과정을 자동화하는 기술도 개발 중이라고 밝혔다. 그는 이러한 빠른 기술 확보 배경에 대해 “그동안 축적되어 있던 Atria AI E2E 개발 데이터와 기반 기술이 바탕이 되었다”고 설명했다.
*폐루프 시뮬레이션(Closed-loop Simulation): AI의 주행 판단이 가상 환경 속 상황 변화에 실시간으로 반영되며 서로 영향을 주고받는 시뮬레이션 평가 기법
데이터 측면에서 VLA는 E2E와 경로 데이터를 공유해 시너지를 얻으며, 상황 판단 능력을 먼저 학습시킨 뒤 이를 미세 조정해 주행 판단과 그 근거까지 출력하도록 학습된다. 학습 이후에는 데이터 플라이휠을 통해 문제 상황의 원인을 분석하고 관련 데이터를 다시 선별·수정해 모델을 재학습하며, 이를 3차원 환경으로 재구성한 폐루프 시뮬레이션으로 검증한다. 현대차그룹은 현재 시뮬레이션 기반 검증 단계에 있으며, 올해 말에서 내년 초에는 실차 테스트까지 포함한 전 과정을 수행할 계획이다.
마지막으로 이희석 GL은 “VLA는 LLA, AI 기술과 고성능 반도체의 발전에 힘입어, 보다 높은 안정성과 대화형 인터페이스로 사람이 운전하는 차에 탑승한 듯한 고객 경험을 제공할 수 있는 차세대 자율주행 기술”이라고 정리하며 발표를 마무리 지었다.
복잡한 도심에서 확인한 Atria AI의 주행 실력
이날 행사에서 현대차그룹은 Atria AI를 탑재한 SDV 테스트베드(Testbed) 차량이 복잡한 서울 도심을 실제 주행하는 영상도 최초로 공개했다. 혼잡한 도심에서의 주행 상황을 담아낸 이 영상은 데이터 플라이휠이 본격적으로 작동하면서 Atria AI의 성능 개선에 뚜렷한 전환점이 마련되고 있음을 보여주었다.
가장 먼저 공개된 영상은 박민우 사장과 정성균 GL이 함께 탑승해 판교에서 경부고속도로, 올림픽대로, 동작대교, 숭례문, 광화문으로 이어지는 구간을 주행하며 Atria AI의 개발 현황과 판단 방식, 향후 고도화 방향에 대해 나눈 대화를 담았다. 이어 강남 출근 시간대, 대형 차량이 많은 잠실 도로, 비 내리는 판교 도심 등 서로 다른 환경에서 촬영한 도심 주행 영상이 소개됐다. 편집 없는 원테이크 영상으로, 실제 도로 위 자율주행 모습을 생생하게 확인할 수 있었다. 마지막으로 갓길 정차 차량 회피, 갑작스러운 끼어들기 대응, 비보호 좌회전, 혼잡 구간 보행자 인식, 이면도로 대향차 인식 등 도심에서 마주치는 10가지 주요 엣지 케이스에 대응하는 장면이 이어졌다.
영상에서 선보인 자율주행 기술은 레벨 2++ 수준으로, 정형화된 시험 환경을 넘어 복잡한 실제 도로에서 다양한 변수에 대응하는 모습을 통해 현대차그룹의 자율주행 기술이 연구개발에 머무르지 않고 실도로 검증과 데이터 기반 고도화 단계로 나아가고 있음을 보여주었다. 특히 실제 주행에서 발견한 문제를 데이터로 축적하고, 이를 다시 학습과 검증에 활용하는 데이터 플라이휠이 Atria AI의 성능을 높이는 핵심 기반으로 작동하고 있음을 확인할 수 있었다.
자율주행 기술이 현실로 이뤄지는 개발 현장을 가다
이후 현대차그룹의 실제 자율주행 기술 개발 현장을 엿볼 수 있는 워크샵 투어가 이어졌다. 42dot 판교 사옥에 위치한 비히클 워크샵(Vehicle Workshop)은 소프트웨어 개발 코드로 만든 자율주행 기술을 검증하는 곳이다. 취재진들은 ‘SDV 테스트베드’ 차량과 Atria AI의 실주행 데이터를 확보하는 ‘데이터 수집 차량(Data Collection Vehicle)’을 살펴보며 자율주행 기술 개발의 현장감을 직접 체감했다.
아이오닉 6를 바탕으로 하는 SDV 테스트베드는 8개의 카메라와 1개의 레이더, 운전자 주시 상황을 파악하는 DMS를 탑재했다. 이렇게 수집된 정보는 글러브박스에 장착된 고성능 차량용 컴퓨터가 실시간으로 처리하며, 트렁크 쪽에는 공조 장치, 선루프 등 차량 기능을 소프트웨어로 제어하는 조널(Zonal) 제어 장치도 자리 잡았다. 42dot은 SDV 테스트베드를 포함해 20여 대의 테스트 차량을 운영하며 자율주행 소프트웨어를 실제 차량 환경에서 검증하고 있다.
데이터 수집 차량은 차량 루프에 장착된 라이다와 곳곳에 위치한 센서들로 기존 아이오닉 5와 외관부터 뚜렷한 차이를 보였다. 42dot은 이러한 차량 40여 대를 실제 도로에 투입해 지속적으로 주행 데이터를 확보했으며, 이 데이터로 Atria AI를 학습시킨다. 이렇게 개선된 소프트웨어는 다시 SDV 테스트베드 같은 테스트 차량에 적용되어 검증 과정을 반복한다.
이번 HMG 자율주행 미디어 데이는 현대차그룹의 자율주행 기술 개발 현황을 하나의 흐름으로 살펴볼 수 있는 자리였다. 외부의 검증된 기술로 양산 속도를 높이는 동시에 핵심 기술을 직접 내재화하는 투 트랙 전략. 그리고 실제 도로에서 확보한 데이터를 다시 학습과 검증으로 연결하는 데이터 플라이휠이 빠르게 작동하고 있음을 확인할 수 있었다.
하지만 자율주행은 단기간에 완성할 수 없는 기술이다. 실제 도로에서 마주치는 수많은 상황을 데이터로 축적하고, 그 안에서 중요한 문제를 찾아 AI를 고도화한 뒤, 다시 차량에서 검증하는 과정이 끊임없이 반복되면서 완성에 가까워진다. 지금도 현대차그룹은 자율주행 기술을 완성하기 위해 도전을 이어가고 있다. 양산차 기반의 압도적인 데이터 플라이휠을 엔진 삼아, 현대차그룹은 자율주행 시대를 빠르게 앞당길 것이다.
