(Tesla) 테슬라가 라이다 안 쓰는 이유

테슬라가 라이다 안 쓰는 이유 -1- 순순 시각 정보 기반한 자율주행 기술의 테슬라— 그 기술의 속살을 들여다 보겠습니다. bdtechtalks에서 테슬라 AI기술 책임자의 인터뷰를 읽고 요약해서 소개해 봅니다. 딥뉴럴네트워크(Deep neural networks)가 테슬라 자율주행 핵심기술입니다. 이 녀석이 도로 교통신호 자동차 장애물 보행자 식별하죠. 딥러닝 사물을 잘못 인식 하기 때문에 구글 Waymo는 라이다Lidar를 채용하는데 즉 레이저빔으로 주위 환경을 3D 맵으로 저장된 것을 인식합니다. 라이다를 뉴럴네트워크(컴퓨터 신경망)과 병행해서 사용하게 되는데 걸림돌은 라이다에 가야 할 도로에 대한 환경정보가 사전에 입력되어야 하는 것은 물론 고해상도의 이미지가 요구된다는 겁니다. (모든 차선 정보 신호 등 등) 이런 고화질 3D 맵을 수시로 업데이트하기에는 여전히 인프라가 부족한 것이죠 그리고 비용대비 효과도… “It’s unscalable to collect, build, and maintain these high-definition lidar maps. It would be extremely difficult to keep this infrastructure up to date.” 도로에서 어떤 일이든 처음 발생한 상황이 생기기 마련이죠. 차선이 어디 있는지 교통신호등 위치 다른 차선의 차량 정보 운전자 차량과 관련된 모든 정보가 미리 입력된 것과 불일치 한다는 가정에서 테슬라는 출발합니다. 차를 둘러싼 8대의 카메라가 보내는 시각정보로 자율주행 기술 완성하는 것은 어려운 도전이지만 현재 성과만으로도 첫째 추가적인 부품 장착이 필요없다는 점 둘째 세계 곳곳 어디서든 적용할 수 있다는 점에서 어마어마한 확장 가능성이 있다고 할 수 있겠습니다. Radar 레이더를 원래 같이 썼지만 지금은 레이더도 없는 차를 만들고 이미 고객인도를 하고 있지요. 테슬라의 딥러닝이 레이더보다 이미 100배 나은 처리 능력을 보여 주고 있다고 자평합니다. 다음 단계는 라이다가 갖고 있는 장점까지 젊은 것인데 즉 차가 만나게 되는 길의 높낮이 깊이까지 인지하느냐 그리고 운전자의 차량으로 다가오는 차량의 속도 가속의 정도가 까지 인지하느냐인데 그걸 해결하기 위해 supervised learning 즉 지도형 기계학습을 설계했다고 전해 집니다. 이미 팔린 수십 만 대의 테슬라 차가 수집한 영상 사진정보에서 축적된 방대한 데이터값으로 계속 보완 중이고 더 한층 향상된 자율주행기술을 OTA통해 업데이트 하게 될 것입니다. 출처: https://bdtechtalks.com/2021/06/28/tesla-computer-vision-autonomous-driving/

Tesla AI chief explains why self-driving cars don’t need lidar

사이트 방문