1. 컴퓨터 비전 (테슬라) vs. Lidar + HD Map (웨이모)
테슬라는 카메라를 통해 받아들이는 이미지만을 딥러닝의 입력으로 사용하여 자율주행을 수행합니다. 즉 카메라에 찍히는 이미지를 분석하여 주변에 차가 얼마나 있는지, 신호등 색은 무엇인지, 교차로에 사람이 있는지, 차선은 어디 있는지, 물체는 얼마나 떨어져 있는지 알아낸다는 것이죠. 딥러닝은 이렇게 분석한 결과를 이용하여 자신이 어떤 상황에서 어떻게 행동해야 할지를 예측하게 됩니다. 여기서 테슬라의 장점이 있습니다. 카메라와 최적화된 딥러닝 알고리즘만 있다면 처음보는 어떤곳에 차를 갖다놓더라도 알아서 자율주행이 가능하다는 것이죠. 따로 추가의 데이터가 필요하지 않습니다. 물론 목적지가 어딘지 어떤 길로 가야하는지에 대한 맵 데이터는 필요하지만, 그 맵 데이터가 광장히 세부적일 필요는 없습니다. 카메라를 통해 입력된 이미지를 분석함으로 주변 상황 인식이 가능하니까요.
반면 웨이모의 접근 방식은 좀 다릅니다. Lidar+HD Map 방식인데요 Lidar는 일종의 광학 센서로 주변 환경을 스캔하여 사물의 거리를 측정합니다. 하지만 사물을 인식하지는 못하죠. 그럼 스캔한 결과를 어떻게 자율주행에 사용하느냐? 이때 필요한 것이 HD Map입니다. HD Map이란 자율주행에 필요한 디테일한 정보가 담겨있는 맵인데요 이 맵과 실시간으로 들어오는 Lidar 스캔 정보를 맵핑시켜 자율주행을 수행합니다. 문제는 이 HD Map을 만드는데 엄청난 노력과 비용이 필요하다는 것이죠. HD Map이 없는 곳에 Lidar가 달린 차를 갖고가면 어떻게 될까요? 자율주행이 불가합니다. 왜냐? Lidar는 스캔만 가능하지 사물을 인식하지 못하기 때문입니다. 주변을 인식해야 자율주행이 가능한데 HD Map이 없으면 주변 인식을 못하기 때문이죠.
그럼 규모의 경제를 이루는데 누가 더 유리할까요? 제가 생각했을땐 테슬라입니다.
2. 자체제작 칩 (테슬라) vs. 외주제작 칩 (웨이모)
자율주행을 위해서는 많은 컴퓨터의 연산이 필요합니다. 연산은 ASIC 칩, 그래픽 카드 (이하 통칭 칩)가 담당하게 되고 그 만큼 칩의 성능과 전력 소모량이 중요하다는 뜻입니다. 많은 연산은 그 만큼 많은 전력을 사용한다는 것이고 이는 전기차의 주행거리와 직결된다는 것입니다. 테슬라는 처음 nvidia의 칩을 사용하여 자율주행을 개발하다가 지금은 자체제작한 칩을 사용하고 있습니다. 왜냐면 nvidia의 칩이 전력소모가 너무 컸기 때문입니다. 테슬라는 저전력의 최적화된 칩 개발을 통해 효율성을 높일 수 있었죠. 그 만큼 주행거리를 늘릴 수 있는거죠.
웨이모는 인텔과 손잡고 칩개발을 하고 있는걸로 알고 있는데 세부 사항은 알 수가 없습니다. 다만 한 가지 알 수 있는건 웨이모 택시의 트렁크에는 자율주행을 위해 수많은 전자장비가 항상 보인다는 거죠. 그만큼 크고 전력소비가 많아 보이는데 (뇌피셜입니다) 상용화 단계는 확실히 아닌걸로 보입니다. 테슬라 프렁크/트렁크에 그런거 보셨나요? 최근 웨이모 CEO가 회사를 떠났습니다. 자율주행에서 가장 앞서있다면 세상을 바꿀 수 있는 기회일텐데 왜 떠나나요? 구글이 웨이모에 천문학적인 투자를 하고 있었지만 가시적인 성과가 부족하니 쉽진 않았을거라 추측해봅니다.
3. 실제 주행 데이터 (테슬라) vs. Arizona 시범주행 데이터 (웨이모)
사실 이 부분이 가장 중요한데 제가 마지막에 설명하게 되었네요. 자율주행은 딥러닝을 사용하게 되는데 딥러닝의 성능에 가장 중요한 것은 방대한 데이터와 데이터의 퀄리티입니다. 테슬라는 사용자의 동의하에 운행중인 테슬라 자동차에서 shadow mode라는걸 사용합니다. 이게 뭐냐면 테슬라 자율주행은 켜져 있지만 실제 자율주행 모드가 가동되는건 아니고 사람이 운전을 하되 자율주행 소프트웨어가 자신의 운전과 실제 운전자의 운행을 비교하는 겁니다. 즉 자율주행 소프트웨어가 내가 생각했을땐 좌회전을 해야하는데 운전자는 우회전을 했다면 이걸 기록해서 테슬라에 데이터로 보내는 거죠. 그럼 테슬라 측에서는 이런 특이 케이스들이 계속 쌓이게 되는 겁니다. 당연히 특이 케이스가 중요하죠. 99.999999% 안전성을 추구하려면 평범한 상황이 아닌 돌발 상황에 대처할 수 있어야 합니다. 평범한 상황이야 대부분 다 대처할 수 있죠 다른 회사도. 지금 실제 도로위에 별의별 상황에 대응하는 밀리언 가량의 테슬라 자동차가 운행중이죠. 여기서 쌓이는 데이터가 얼마나 방대할지 상상해보셨나요? 이 데이터로 자율주행 딥러닝 최적화를 담당하는 dojo시스템이 별도로 있는데 여기까지는 설명하진 않겠습니다. 알파고와 비슷한 방식으로 작동한다고 보시면 됩니다.
웨이모는 자율주행 운행이 대부분 Arizona의 Phoenix 에서 이루어지고 있습니다. 아주 도로가 바둑판 모양으로 정비가 잘 된 곳이죠. 돌발상황이 발생할 경우가 좀 드물겠죠? 운행하는 차량의 숫자만 비교해봐도 테슬라보다 많기는 힘들죠.
데이터의 양과 질에서 테슬라가 우위에 있다고 봅니다 (매우 많이)
DISCLAIMERS: 이 글은 개인회원이 직접 작성한 글로 내용에 대한 모든 책임은 작성자에게 있으며, 이 내용을 본 후 결정한 판단에 대한 책임은 게시물을 본 이용자 본인에게 있습니다.
라디오코리아는 이 글에 대한 내용을 보증하지 않으며, 이 정보를 사용하여 발생하는 결과에 대하여 어떠한 책임도 지지 않습니다.
라디오코리아의 모든 게시물에 대해 게시자 동의없이 게시물의 전부 또는 일부를 수정 · 복제 · 배포 · 전송 등의 행위는 게시자의 권리를 침해하는 것으로 원칙적으로 금합니다.
이를 무시하고 무단으로 수정 · 복제 · 배포 · 전송하는 경우 저작재산권 침해의 이유로 법적조치를 통해 민, 형사상의 책임을 물을 수 있습니다.
This article is written by an individual, and the author is full responsible for its content. The viewer / reader is responsible for the judgments made after viewing the contents. Radio Korea does not endorse the contents of the articles and assumes no responsibility for the consequences of using the information.
In principle, all posts in Radio Korea are prohibited from modifying, copying, distributing, and transmitting all or part of the posts without the consent of the publisher. Any modification, duplication, distribution, or transmission without prior permission can subject you to civil and criminal liability.
