TESLA AI DAY 2021

• TESLA AI DAY 2021 보러가기 (YouTube 동영상이 삭제될 수 있습니다.)

• 자율 주행 관련 업계에서 일을 하는 사람으로서 이번 TESLA AI DAY는 매우 인상 깊게 보았습니다. 특히 컴퓨터 비전(Computer Vision)과 딥러닝(Deep Learning)에 많은 관심이 있는 개발자로 TESLA의 기술력에 감탄을 하지 않을 수 없었습니다.

• 개인적으로 인상 깊었던 점은 자율 주행 자동차를 다양한 환경에서 실차 테스트를 수행하고, 현장에서 발생하는 온갖 예외 상황을 경험을 바탕으로 평소 다양한 환경의 데이터를 활용하는 방법이 가장 효과적이라 생각했습니다. 기존의 방식으로, 필드 테스트를 수행하고 발생하는 예외에 대한 예외 처리를 수행하여 자율 주행이 가능한 영역을 하나씩 늘려나가는 방법은 자율 주행의 가능성을 실현하는데 큰 장애물이라 느껴졌습니다. Autonomy 2.0에서 저의 개인적인 생각이 틀리지 않았다는 안도를 하였고, TESLA AI DAY로 저의 생각은 확신에 가까운 미래를 느꼈습니다.

데이터의 중요성

• TESLA는 현재 도로를 주행하는 차량으로부터 다양한 데이터를 수집하고, 인하우스(In-House) 데이터 라벨링 시스템을 통해 많은 수의 딥러닝 데이터를 생산할 수 있었습니다. 이러한 데이터를 활용하여 다음과 같은 장점을 가지게 되었습니다.

  • 딥러닝 데이터로부터 학습한 딥러닝 모델은 다시 라벨링에 활용하여 Auto-Labeling을 가능하게 합니다.
  • Neural Rendering이 적용된 시뮬레이터를 활용하여 딥러닝 솔루션이 대응하지 못하는 환경이 발견되면, 많은 예외 상황을 만들어 딥러닝 솔루션의 약점을 극복하는 시뮬레이션 환경을 만들 수 있게 되었습니다.
  • 3D 정보와 차량의 다양한 데이터를 기반으로 2D 이미지에서 3D 정보를 바로 추출할 수 있게 되었으며, 이는 레이더(RADER) 센서의 제거와 Vector Space를 카메라로만 만들 수 있게 되었습니다.
  • 다수의 차량, 반복된 주행으로 얻어진 Vector Space는 결국 Global Vector Space를 만들고, TESLA의 자율주행 기술을 보다 완벽하게 만드는 발판이 되었습니다.

• 이처럼 TESLA의 데이터 활용 전략이 빛나는 TESLA AI DAY였습니다. 데이터를 잘 활용하면 이렇게 할 수 있다는 점을 보여준 행사로 생각됩니다.