[AI Day 2022] 테슬라가 FSD 베타를 적극적으로 진행하는 이유 - 경로편

테슬라에서 공개한 휴머노이드에 대한 로봇연구직의 의견에 대해 총 4번에 걸쳐 포스팅을 했었는데요, 이번엔 이번에 공개된 자율주행에 대한 내용에 대한 저의 생각들을 적어보려고 합니다.
휴머노이드야 아직 시작한지 비교적 얼마 안되었고 하니 크게 눈에 띄는 점이 별로 없었다고 하지만, 자율주행에 있어서는 얘기가 좀 다른 것 같습니다.
AI Day를 하루 앞두고 자율주행에 대한 소개를 간단히 적어두었습니다. 이를 참고하시고 봐 주시면 더 쉽게 이해가 되실 것 같습니다.

[AI Day 기념] 자율주행 그거 그냥 하면 되는거 아닌가요? - 자율주행에 대해 살짝만 알아보자

 

테슬라가 소개한 자율주행 경로 생성 방법

휴머노이드에 이목이 쏠린 나머지 충분히 주목받지 못했지만, 이번 행사에서 상당히 진보적인 테슬라만의 자율주행 개발 과정에 대한 소개가 있었습니다.
자율주행에 살짝 발을 들였었던 저로서는 특히 더 궁금한 내용이 있었는데, 바로 매 순간 차량이 어디로 가야하는지 예측하는 과정 입니다.

경로는 네비게이션 쓰면 나오는거 아닌가요

???? ㄷ자 경로?!

우리가 네이게이션을 써서 운전을 할 때를 가정해 보겠습니다. 목적지를 찍고 안내를 시작시키면 어느 도로를 따라 가야 하는지, 때로는 (법적인) 최대 제한 속도가 얼마인지 정도의 정보를 줍니다.
여기까지 안내를 받으면, 운전자는 아래 과정은 직접 수행해야 합니다:

• 어느정도 속도 까지 엑셀을 밟는다.
• 신호등 신호에 따라 브레이크를 밟는다.
• 차선을 따라가기 위해 핸들을 조금씩 돌린다.
• 이후 주행 경로에 따라 차선을 바꾼다.

몇가지 더 있을 수 있지만 우선 위 정도만 고려해 보아도, 네비게이션 만으로는 자율주행을 위한 세부적인 명령을 올바르게 내리는 것이 어렵다는 것을 알 수 있습니다. 위 내용은 네비게이션이 알려 줄 방법이 없으니 말이죠.
최대한 줄이고 줄이면, 완전한 주행에는 최종적으로 아래 결정이 있어야 합니다.

• 어떤 방향으로
• 어떤 속도로

자율주행 초반에는 적당히 위와 같은 판단을 내리는 규칙을 정하는 방향으로 연구 및 개발을 했었습니만, 꽤 많은 노력에도 불구하고 보편적인 운전을 시켜도 된다 싶은 규칙을 완성하지 못하였습니다. 예전부터 상용으로 나왔던 스마트크루즈 기능들이 보통 이런 방식인데, 자율주행이라고 하기엔 제약사항이 상당히 많았습니다.

한편, 어느시점 부터 수학적이나 물리적인 규칙을 찾아내지 못하는 문제에 대해 엔지니어들이 공통적으로 외치는 해결방법이 생겼습니다. 머신러닝이죠. "사람처럼" 이라는 두리뭉실한 방법은 있는데 명시적으로 규칙을 정할 수 없을 때 효과적인 방법이 될 수 있다는 것 입니다.
이전 포스팅에서도 언급했었는데, 머신러닝을 이용하는 방법이 잘 되기위한 조건이 있죠. 수많은 모범답안 데이터 입니다.

테슬라의 데이터 수집 무기: FSD 베타

사람이 운전하면서 지나간 경로와 속도를 자동으로 데이터화하는 과정에 대한 설명

테슬라에서는 어떻게 머신러닝을 위한 기본 데이터를 준비하는지에 대한 소개를 했습니다. 네. 사용자로 부터 얻은 정보죠.
테슬라에서 사용자의 주행으로 부터 얻는 데이터는 하루에도 셀 수 없을 만큼 쏟아지고 있는 점은 익히 아실겁니다. 이러한 데이터를 여러 목적으로 처리하여 사용하는 것으로 보이는데, 그 중 하나가 세부적인 경로를 만들어내는 단계인 것으로 보입니다.
위 그림에서 8개의 카메라로 보이는 정보, 그리고 화면엔 표시되지 않은 몇가지 추가정보를 바탕으로 각 차량이 이동한 세밀한 경로, 즉 언제 어떤 방향으로 어떤 속도로 어디를 지나갔는지에 대한 정보를 추출해 냅니다.
이렇게 수많은 데이터를 얻으면, 비슷한 구간에서는 거의 같은 경로 데이터가 여럿 모일 것 입니다. 가령, 차선 중앙을 유지하는 경로와 같이 말이죠.

차선을 유지하는 것 보다 어렵지만 중요한 결정이 있습니다. 바로 차선 변경과 교차로 주행 입니다. 테슬라에서는 이런 결정 역시 이전 사례를 바탕으로 내리도록 컴퓨터를 가르치고 있는 것 같습니다.
이런 "인기있는" 경로를 매번 주행 후보군으로 두고 자율주행을 테스트 하는 것 같습니다.

FSD 베타는 이미 자율주행 아닌가요

여기서부터는 저의 추측인데, FSD 베타를 하기 전 아주 초반에는 자율주행이 아닌 내부 관계자가 직접 운전을 하면서 기초가 되는 데이터를 우선 수집했을 것 같습니다. 그 데이터가 조금 쌓이면, 이를 모방하도록 개발이 가능하죠. Autopilot 단계에서 이미 데이터를 수집했을 수도 있습니다.
하지만, 소수가 얻은 데이터는 범용성에서 그 한계가 분명히 있기 때문에 아마도 FSD 초반에는 매번 문제없이 주행하기는 어려웠을 것 입니다. 테슬라에서 처음 베타테스터를 모집 시에도 운전습관이 아주 좋은 소수만 모집했던 이유도 여기에 있지 않을까 합니다.
지금 단계에서 FSD 베타의 역할에 대해 제가 추측해 보면 이렇습니다.

FSD가 주행을 시도해 보고, 어땠는지 결과를 함께 수집한다.

예를 들면, 만약 사용자가 문제없이 지나갔다면 "성공", 문제가 있어 사용자가 개입을 해야 했거나 차량이 알아서 문제를 발견하는 등 좋지 못한 선택이었다면 "실패" 와 같이 경로 후보에 결과를 함께 달아두는 겁니다.
이러한 데이터가 많이 준비되어 있으면, 추후 비슷한 환경에서 주행하게 될 시 후보군 중 성공이 높았던 경로를 택하도록, 혹은 실패가 높았던 경로를 피하도록 학습을 시킬 수 있을 것 입니다.

 

데이터 수집의 기술

말은 쉽게 썼지만, 얻은 데이터를 학습 시킬 수 있도록 가공하는 작업이 일반적으로 만만치 않을 때가 많습니다. 테슬라와 같이 셀 수도 없이 많은 데이터 일 수록 그렇죠.
가장 어려운 기술 중 하나가 여러대의 차량에서 얻은 데이터를 하나로 모으는 작업이었을 것 같습니다. GPS 정보만으로는 어느 차선인지도 구분이 어려운데, 테슬라에서는 그 차선 내에서도 어디를 지나갔는지 등의 더 세밀한 정보가 필요하기 때문입니다.
GPS 정보만으로는 부족하다면, 각자 따로 다니던 차가 같은 지점을 지나갔는지는 어떻게 알 수 있을까요? 이것이 로보틱스의 영역이자 테슬라가 보유한 기술적 강점 중 하나 입니다.

여러 차량에서 얻은 데이터를 끼워 맞춰 조합하는 과정에 대한 설명

테슬라에서는 카메라 만으로도 주변 환경에 대한 정보를 상당히 잘 파악하는 것으로 알려져 있습니다. 이렇게 얻은 주변 환경에 대한 정보를 주행 경로와 하나의 세트로 가지고 있으면, 다른 세트와 세밀하게 끼워 맞추는 것이 가능합니다. 이렇게 되면 GPS 보다 훨씬 더 정밀하게 데이터를 맞춰넣을 수 있습니다. 작년 AI Day에서 소개한 [지도 만들기]와 연관이 있습니다.
이 역시 말은 쉽지만 실제로 상당히 어려운 연구분야에 속합니다. 테슬라에서도 완전히 자동으로는 안되고 두어시간의 사람 손이 필요하다는 언급을 했죠.

주행 경로 후보

이렇게 데이터를 잘 준비하여 컴퓨터에게 가르쳐주면, 위 처럼 주행에 적합한 경로를 골라보라고 시켜볼 수 있습니다.

결론: FSD 베타는 독보적으로 많은 주행 데이터를 모을 수 있는 테슬라의 무기

테슬라의 자율주행 누적 거리는 다른 회사의 거리와 함께 표를 그리면 다른 회사 데이터는 거의 보이지가 않을 정도로 차이가 많이 나서 아예 표를 그리지 않을 정도 입니다. 그도 그럴것이, 테슬라는 FSD 베타를 미국 전역에서 시행중인 반면, 두번째로 많은 것으로 알려진 Waymo는 몇몇 도시에서 제한적인 시험운행만 하는 정도이기 때문 입니다.

이번 포스팅에서는 테슬라에서 어떻게 앞을 가야 할 경로를 만들어 내는지와 이에 대한 제 생각을 조금 적어보았습니다. 다음엔 자율주행과 관련하여 소개된 다른 내용을 다뤄보도록 하겠습니다.

그럼 20000