Tesla의 FSD 자율주행 솔루션 해석의 핵심

홈 칼럼니스트 전자공학 기초 Tesla의 FSD 자율주행 솔루션 해석의 핵심

2024-05-15 2252

Elon Musk의 베이징 방문: FSD China와 함께 얼음 깨기

머스크의 베이징 방문 직후 중국 자동차 제조업체 협회와 국가 컴퓨터 네트워크 비상 대응 조정 센터는 자동차 데이터 처리에 대한 12가지 보안 요구 사항 테스트에 대한 공지를 발표했습니다. 외자 기업인 Tesla는 네 가지 요구 사항을 모두 통과한 최초의 자동차 회사 중 하나가 되었습니다. FSD VXNUMX에서 Tesla는 내비게이션 및 경로 계획 알고리즘을 크게 개선했습니다. 새로운 버전의 내비게이션 시스템은 교통 상황, 도로 변화, 운전자 선호도 등 다양한 요소를 고려하여 지능적으로 주행 경로를 계획할 수 있습니다. 또한 새 버전의 FSD는 더욱 강력한 실시간 교통 분석 기능을 갖추고 있어 실제 상황에 따라 경로를 조정할 수 있어 보다 원활한 운전 경험을 보장합니다. 중국 자동차 회사들은 자율주행을 위한 기반 기술에서는 뒤처져 있지만 생태계와 공급망에서는 이점을 갖고 있습니다. 지능형 교통 인프라 개발로 더욱 경쟁력 있는 제품이 통합될 것으로 예상된다.

FSD V12를 통해 달성된 엔드투엔드 자율주행 기술을 통해 Tesla는 풍부한 로컬 주행 데이터만 사용하여 지능형 주행 모델을 훈련하면 탁월한 주행 경험을 제공할 수 있습니다. 게다가 규칙 기반 코드의 사용을 대폭 줄임으로써 Tesla는 중국에 수천 명의 지능형 주행 알고리즘 엔지니어로 구성된 팀을 구성할 필요가 없습니다. 약 20명으로 구성된 현지 운영팀과 수백 명으로 구성된 데이터 라벨링 팀만으로 Tesla는 중국 시장에서 FSD의 원활한 안착과 운영을 보장할 수 있습니다.

머스크는 16년 2023월 XNUMX일 테슬라 연례 주주총회에서 연설한 뒤 미국의 유명 금융 매체인 CNBC와 인터뷰를 했다.

머스크는 테슬라의 AI 역량을 논할 때 실제 AI 분야에서는 테슬라가 훨씬 앞서 있으며 타의 추종을 불허한다고 말했다. 그런 다음 그는 ChatGPT 및 생성 AI에 대한 호스트의 질문을 해결했습니다.

"테슬라에도 'ChatGPT 순간'이 있을 것이라고 생각합니다. 올해가 아니더라도 내년까지는 늦지 않을 것 같습니다. 이는 어느 날 갑자기 3만 대의 테슬라 차량이 스스로 운전할 수 있다는 의미입니다... 그럼 5만, 다음은 10만...

우리가 위치를 바꾸면 Tesla는 ChatGPT보다 나쁘지 않은 결과를 생성하는 언어 모델을 구축하고 Microsoft와 OpenAI는 자율 주행을 연구하고 작업을 교환하면 우리가 이길 것이라는 데는 의심의 여지가 없습니다."

FSD는 풀링크 자율주행 소프트웨어 및 하드웨어 아키텍처입니다.

FSD 아키텍처: 인식, 계획, 실행을 포괄하는 데이터, 알고리즘, 컴퓨팅 성능을 비롯한 다양한 수준에 걸쳐 포괄적인 엔드투엔드 자율 주행 소프트웨어 및 하드웨어 프레임워크가 구축됩니다.

계획: 기본적으로 다중 객체 경로 계획 문제를 해결하고 차량이 해당 실행 작업을 완료하도록 안내하기 위해 자체 객체와 모든 객체 모두에 대한 궤적을 관리합니다.

신경망: 비디오 스트림과 같은 입력을 분석하여 차량을 제어하는 완전한 운동 상태(위치/속도/가속/거칠기)를 출력합니다.

훈련 데이터: 최첨단 4D 자동 주석 기술, 업그레이드된 시뮬레이션 및 클라우드 컴퓨팅 리소스를 활용하여 폐쇄 루프 데이터 시스템을 형성합니다.

교육 인프라: CPU, GPU, 신경망 가속기 장치 및 AI 컴파일러가 포함됩니다. AI 컴파일러는 신경망에 필요한 새로운 작업을 지원하여 이를 최적의 기본 하드웨어 리소스에 매핑합니다.

AI 컴파일 및 추론: 컴퓨터에서 신경망을 실행하는 문제를 해결합니다. 현재 추론 엔진은 단일 신경망의 실행을 두 개의 독립적인 칩 시스템에 할당할 수 있습니다. 이는 동일한 자율 주행 컴퓨터 내에 두 개의 별도 컴퓨터가 연결되어 있는 것과 유사합니다.

End-to-End 솔루션에서는 신경망이 핵심이며, 전역 최적 솔루션을 달성할 것으로 예상됩니다.

전문가 모델, 하이브리드 모델 등의 모듈형 솔루션에 비해 엔드투엔드 자율주행 솔루션은 인식, 계획, 제어를 통합하고 각 모듈에서 규칙 기반 코드를 제거합니다. 다수의 센서로부터 수집된 정보는 복잡한 대규모 신경망에 직접 입력되고, 연산 후 직접 주행 제어 명령을 출력할 수 있어 End-to-End 시스템이 완성됩니다. 가장 큰 장점은 고정밀 지도에 대한 의존도를 줄이고 중간 단계에서 비용을 절감할 수 있다는 것입니다. 모델은 상한이 높으며 대략적인 전역 최적 솔루션을 얻을 수 있습니다. 단점으로는 초기 모델 학습 속도가 느리고, 모델이 등장하고 빠른 진행을 달성하기 위해 대규모 교육 데이터가 필요하며, 모듈식 아키텍처에 비해 간단한 시나리오에 대한 설명이 적고, 모델 층이 낮아 진입 장벽이 높다는 것입니다. 중간에 있는 "블랙박스"의 해석력이 좋지 않아 전문가 모델보다 더 설명할 수 없는 결정 동작이 발생할 수 있습니다.

Tesla의 "섀도우 모드"는 또한 FSD 진행에 중요한 지원을 제공합니다.

Tesla는 사용자 주행 과정에서 다양한 주행 데이터를 수집함으로써 높은 가치의 코너 케이스 데이터를 확보하고 FSD 성능을 지속적으로 최적화할 수 있습니다. 이러한 데이터는 Tesla의 데이터 센터에 저장되며, 데이터 엔진을 통해 분석 및 처리된 후 시스템 교육 자료로 사용될 수 있어 FSD의 정확성과 신뢰성이 더욱 향상됩니다.

HW4.0은 더 강력한 컴퓨팅 성능을 갖추고 있으며 대형 모델이 눈에 띄게 발전합니다.

이번 FSD 공개 베타 버전의 기술적 진보의 주요 원천은 다음과 같은 측면에서 비롯될 수 있습니다. 첫째, FSD 베타 V12는 HW4.0 플랫폼용으로 업데이트되어 시스템에 대한 더욱 강력한 하드웨어 지원을 제공합니다. HW4.0 하드웨어 업그레이드는 카메라의 프레임 속도를 초당 4프레임 증가시켜 이미지 데이터 처리 속도를 높이고 도로 세부 인식을 향상시킵니다. 또한 HW4.0의 컴퓨팅 성능은 HW3.0에 비해 두 배로 향상되어 FSD가 보다 효율적인 처리 및 계산을 수행하여 의사 결정 속도를 높일 수 있습니다.

머스크는 FSD V12 개입 비율이 V11의 XNUMX%에 불과하다고 말했습니다.

Tesla CEO Elon Musk는 화요일 X 플랫폼에서 Tesla의 FSD(완전 자율 주행) 소프트웨어 V12 버전의 개입 비율이 V11 버전의 11%에 불과하다고 말했습니다. 한 누리꾼은 "V12과 비교하면 V100의 개입 빈도가 XNUMX배 이상 줄어든다. 이는 점진적인 업그레이드가 아니라 도약이다.

Tesla는 AI 훈련 및 추론에 약 10억 달러를 투자할 예정입니다.

머스크는 또한 연간 최소 10억 달러를 지출하거나 효율적으로 배치하지 못하는 기업은 시장에서 경쟁할 수 없다고 덧붙였습니다.

최근 Tesla의 엔드투엔드 FSD V12가 점차 북미 사용자에게 대규모로 출시되기 시작했습니다. 즉, FSD V12는 대량의 비디오 교육 데이터를 통해 자율 주행 목표를 달성함으로써 Tesla가 수십만 줄의 코드를 제거할 수 있게 해줍니다. 하지만 이런 AI 자율주행 훈련에는 엄청난 컴퓨팅 파워가 필요하다. 머스크는 지난 10,000월 생방송에서 Tesla가 새로운 FSD 시스템을 교육하기 위해 100개의 Nvidia HXNUMX으로 구성된 GPU 클러스터를 출시할 예정이라고 밝혔습니다.

AutoX 창립자이자 회장 겸 CEO인 Xiao Jianxiong은 First Financial Journalists에게 Tesla의 FSD가 엔드 투 엔드 딥 러닝 알고리즘을 사용하여 이전에 비해 성능이 크게 향상되었다고 말했습니다. 과거에는 수동으로 작성된 코드 기반 규칙 알고리즘에 의존했지만 이제는 데이터로 훈련된 대규모 모델 네트워크를 사용합니다.

이전 보기

고급 패키징의 기본 용어

상위 10개 반도체 기업