MIT의 Lex Fridman 자율주행 강의 : 카메라+딥러닝(테슬라) vs 라임니다+맵(웨이모)

MIT의 Lex Fridman의 MIT Self-Driving Carsseries 강의였다. 그는 MIT에서 Research Scientist이며 Deep Learning 강의를 진행 중이었다. 그의 강의를 바탕으로 주요 내용을 요약해 봤다. 먼저, 2018년 자율주행과 관련된 사건을 돌아보고 2019년 전망을 밝힌다. 특히 라이더와 카메라의 비교가 압권이었다.<2018년 리뷰>1. 자율주행 데이터 2018년 들어 자율주행 데이터가 비약적으로 증가하고 있으며, 이는 딥러닝 기반의 영상 분석 기술의 발달로 모델의 비약적인 성장을 기대할 수 있다. 웨이모와 테슬라 전체가 균등한 수준을 넘어 2019년에는 더욱 비약적인 데이터 증가가 예상된다.1) 웨이모 자율주행 1천만 마일 달성(L4) 2) 테슬라 오토 파일럿 1억 마일 달성(L2): 카메라에 의해 달성된 대단한 성과->뉴럴 네트워크에 사용되는 매우 난량의 데이터

>

2. 자율주행 문재 2018년에는 테슬라와 우버에서 큰 자율주행 문재가 있었는데, 이 문재 때문에 좀 더 신중하게 접근해야 한다는 의견이 나오고 있다. 물론 이런 글재주에도 불구하고 실제로는 사람에 비해 3배 이상 안전하다고 한다.1) (L3/L4): 보행자 문재(2018년 3월 18일), 테슬라 오토 파일럿(L2): 탑승자 문재(2018년 3월 23일), 자율주행 택시 시범운행, 2018년에는 소규모, 저속도, 거의 매일 운전자 동반의 다양한 자율주행 택시가 시험운행하고 있으며, 우버의 경우 문재차 후 new 운행을 재기하지 않았다.ex) Voyage, Uber, Waymo One 등 <전망> 1. 뉴욕의 우버 드라이버가 약 46,000명인 점을 감안하면 자율주행 택시가 테스팅 단계를 넘을 수 있는 있는 운행 규모는 이것저것 최소 1만 대 정도로 있다. 이에 대해 여러 오토 제조업체의 전망을 보면 테슬라가 당연히 가장 공격적인 전망을 내놓았고, 일론 머스크는 2019년을 목표로 하고 있다. 결국 자율주행은 사람보다 과도한 일을 해야 적용될 것으로 보고 있다.

>

2. 자율주행 기술은 반자율주행기술(테슬라)과 완전자율주행기술(웨이모 등)로 자신감을 갖는 것이 합리적이었다. 매듭지어 완전 자율주행의 길을 테슬라는 반자율 주행 기술을 지속적으로 발전시켜 완전 자율주행으로 가는 것을 목표로 하고 있고, 웨이모는 완전 자율주행 기술을 알고리즘 기반으로 하면서 가능한 땅을 넓혀 가는 것을 목표로 하고 있었다. 결말의 웨이모는 지면기반 기술을 목표로 하고 있고 테슬라는 사람의 눈을 목표로 하고 있다. 현재로선 사람들의 인식은 테슬라가 가장 먼저 완전 자율주행을 완성할 것으로 예상하고 있다.

>

운전은 정말 어려운 것이다. 예컨대 강남 한복판 도로를 소견해 보자. 택무가 많은 객체가 서로의 생각으로 커뮤니케이션 움직인다. 그러니까 날씨, 예를 들면 눈이 오면 어떻게 운전해야 하는지도 너무 어려워. 그리고 갑자기 들어오는 보행자들… 어쨌든 운전이란 매우 어렵다. 그래서 인간의 능력은 탁월하다. 결국 딥러닝 기반이라도 어느 정도 걸린다는 얘기다. 고란의 뜻으로 일론 머스크도 언제 안전해질지 예측하기가 쉽지 않다는 것을 뜻한다.4. 자율주행 기술의 비결은 2가지: 카메라+딥러닝(테슬라) vs +맵(웨이모)이지만 비전의 비결은 테슬라가 추구하는 비결인 많은 데이터를 잘 두드려 인간이 모르는 방식의 딥러닝으로 운행하는 방식이다. 데이터가 많으면 정확해지는데 데이터가 많지 않으면 정확하지 않고 라이다. 방식에 비해 평균적인 성능이 낮은 경우가 있다. 라이다는 맵을 바탕으로 위치를 파악해 자율주행을 하는 방식이지만 발전이 지속적이지 못하다.

>

아래의 비교표를 보면 어느 쪽이 자신인지 확인할 수 있는데 테슬라가 하고 있는 레이입니다, 카메라, 초음파에 의한 시스템이 데이터만 충분히 확보되고 적정한 알고리즘을 사용하면 ‘라이’입니다. 시스템에 비해 보다 효율적인 것을 확인할 수 있다.

>