테슬라 자율주행 기술 : 의사 라입니다 기술 소개

Cleantechnica의 번역글이다.

AI와 뉴럴넷을 통해 테슬라가 오토파일럿과 Full Self Driving Solution을 진화시키고 있다. 이것은 크게 Andrej Karpathy가 이끌고 있는 AI 팀의 성과일 것이 었다. 그가 요즈음에 ML 컨퍼런스에서 테슬라의 방법론에 대해 설명했습­니다. 이 컨퍼런스에서 어떻게 카메라를 활용하여 전통적인 레이저 기반의 라임의 정확도를 구현할 수 있는지에 대한 방법론에 대해 공유하였다.​이렇게 진화하는 기술의 핵심은 카메라 자체에 있는 것이 아니라, 진보된 프로세싱 및 뉴럴넷에 있다. 그것을 통해 좀 더 넓은 구역에 대해 더 좋은 퀄러티의 센싱이 가능하도록 하였다. 테슬라팀이 구현한 이 기술을 의사 라임 (Pseudo-lidar) 기술이라고 할것이다. 이 기술은 전통적인 컴퓨터 비전 기술과 강력한 라임 기반의 포인트 클라우드 기술의 중간 정도에 있다.

>

>

그 결과는 레이저 포인트의 거리를 기반으로한 주변을 실시간으로 시각화한다. 컴퓨터는 그 점들을 3D로 표현하고, , 사람, 도로, 빌딩 등의 차량의 운행에 필요한 정보를 객체화한다. 최근 자율주행의 방향은 라입니다 자체의 향상 및 그들을 활용하는 기술의 성장으로 이루어졌다. 그러나쁘지않아 라입니다 시스템의 가격은 싱글유닛도 수천달러에 달할 정도로 비싸다. (최근에는 싸지고 있기는 하다.) 반면, 카메라는 스마트폰, 랩탑 등의 보급으로 인해 단 몇 달러에 수급이 가능하다.​의사 라입니다 기술​테슬라의 카메라 기반 접근법은 하드웨어 측면에서 더욱더 경제적으로 쉬운 방법이지만, 미친듯한 복잡한 연산 시스템이 필요하다. 카메라의 모든 데이터를 해석의 영역으로 바꾸어야 하기 때문이었다 기본적인 레벨에서는, 컴퓨터는 차선, 표지, 다른 차량들을 인식할 수 있다. 테슬라는 컴퓨터 비전을 전대미분의 레벨까지 끌어올리고 있으며, 단순히 이미지 뿐만 아니라, 이미지 내의 각각의 픽셀도 분석하고 있다. “우리는 의사 라입니다 방법을 차용하였고, 이것을 통해 우리는 모든 픽셀들의 뎁스를 예측하고, 이것들을 캐스팅한다.”라고 Kapathy는 얘기했읍니다. 이러한 방식으로 전통적인 라입니다 시스템의 성능을 충분히 복제할 수 있지만, 대단히난 규모의 실시간 이미지 프로세싱 파워를 필요로 하게된다.​차량은 실시간으로 이동하기 때문에, 분석 결과가 실시간으로 활용가능하지 않다면 어떠한 의사결정도 할 수 없는 시스템이었다 고맙게도, 테슬라는 3세대 자율주행 컴퓨팅을 위한 자체 하드웨어를 가지고 있고, 이것은 테슬라의 코딩을 연산하기 위해 만들어 졌다. (HW 3.0)

>

전통적인 라이다 시스템으로부터의 인풋들을 다 활용할 수 있도록 설계된 소프트웨어 솔루션들을 사용할 수 있다는 점에서, 라이다의 성능을 확보하는 것은 굉장히 중요하다. 기본적으로는 라이다 인풋을 그 비법으로 시뮬레이션 하지만, 실제로는 순전히 비전 기술이다. 그래서, 너희은 3D 객체 탐지를 달성하기 위해 개발된 많은 라이다 프로세싱 기술들을 사용할 수 있게 된다. 이것은 마치 과인침반과 지도만 가지고 숲의 길을 찾아야 하는 사람에게 GPS를 것과 같고, 최고의 솔루션을 개발하는 측면에서는 굉장히 가치있는 일이다.​갭은 빠르게 줄고 있다​테슬라의 의사 라이다 솔루션은 굉장히 나쁘지않아지고 있으며, 카파시도 선진 라이다 기술에서 보여줄 수 있는 3D 맵을 의사 라이다 모델로 보여주고 있다. 물론, 시간화는 단지 인간에게 유용할 것이기 때문에, 실제로 그것이 기술적으로 어느정도과인 진보를 이루었는지 보여주는 것은 아니긴 하다. 만약 라이다를 가지고 있으면서 그것을 활용하는 것과 비전 기술만 가지고, 의사 라이다 기술을 사용하는 것을 비교한다면, 그 갭은 급격히 줄어들고 있다.​