자율 주행 차량의 눈으로 선택하기: 센서, 전략, 트레이드 오프의 배틀

2030년까지 자율 주행 차량 시장은 2.2조 달러를 초과할 것으로 예상되며, 수백만 대의 차량이 인공지능과 고급 센서 시스템을 사용하여 도로를 운행할 것입니다. 그러나 이러한 급격한 성장에도 불구하고, 기본적인 논의는 아직 해결되지 않았습니다. 즉, 자율 주행에 가장 적합한 센서는 무엇일까요? 리다르, 카메라, 레이더, 또는 완전히 새로운 것일까요?

이 질문은 순전히 학문적인 것이 아닙니다. 센서의 선택은 안전성, 성능, 비용, 에너지 효율성 등 모든 것에 영향을 미칩니다. 일부 회사들은 웨이모처럼 중복성과 다양성을 선택하여 차량에 리다르, 카메라, 레이더를 모두 장착합니다. 다른 회사들은 테슬라처럼 더 최소주의적이고 비용 효율적인 접근 방식을 취하여 카메라와 소프트웨어 혁신에 크게 의존합니다.

이러한 발전하는 전략과 기술적 역설, 그리고 그 결정에 영향을 미치는 비즈니스 논리를 살펴보겠습니다.

더 똑똑한 기계는 더 똑똑한 에너지 솔루션을 요구한다

이것은 매우 중요한 문제입니다. 2013년에 드론 관련 스타트업을 시작했을 때, 나는 비슷한 딜레마를 직면했습니다. 우리는 인간의 움직임을 추적할 수 있는 드론을 만들고자 했습니다. 그 당시, 그 아이디어는 앞서 있었지만, 곧 기술적 역설이 명백해졌습니다.

드론이 물체를 추적하려면 센서 데이터를 분석해야 하며, 이는 계산 능력이 필요합니다. 즉, 기판에 컴퓨터가 필요합니다. 그러나 컴퓨터가 더 강력해야 할수록 에너지 소비가 더 많아집니다. 따라서 더 큰 배터리가 필요합니다. 그러나 더 큰 배터리는 드론의 무게를 증가시키며, 더 많은 무게는 더 많은 에너지를 필요로 합니다. 악순환이 발생합니다. 즉, 더 높은 전력需求은 더 높은 에너지 소비, 무게, 그리고 궁극적으로 비용을 초래합니다.

자율 주행 차량에도 같은 문제가 적용됩니다. 한편으로, 가능한 모든 센서를 장착하여 데이터를 수집하고, 동기화하고, 가장 정확한 결정을 내리려 합니다. 다른 한편으로, 이것은 시스템의 비용과 에너지 소비를 크게 증가시킵니다. 센서 자체의 비용뿐만 아니라 데이터 처리에 필요한 에너지도 고려해야 합니다.

데이터의 양이 증가하고 계산 부담이 커지고 있습니다. 물론, 시간이 지남에 따라 컴퓨팅 시스템은 더 콤팩트하고 에너지 효율이 개선되었으며, 소프트웨어도 더 최적화되었습니다. 1980년대에는 10×10 픽셀 이미지를 처리하는 데 몇 시간이 걸렸지만, 오늘날 시스템은 실시간으로 4K 비디오를 분석하고 기기에 추가 계산을 수행하며 과도한 에너지를 소비하지 않습니다. 그러나 성능의 딜레마는 여전히 남아 있으며, 자율 주행 회사들은 센서뿐만 아니라 계산 하드웨어와 최적화 알고리즘도 개선하고 있습니다.

처리 또는 인식?

성능 문제는 주로 계산 능력의 한계로 인해 발생하며, 리다르, 카메라, 레이더 센서의 문제는 아닙니다. 이러한 센서는 차량의 눈과 귀 역할을 하며, 환경 데이터를 끊임없이 수집합니다. 그러나 기판의 컴퓨팅 “뇌”가 이 모든 정보를 실시간으로 처리할 수 있는 능력이 없으면, 압도적인 양의 데이터를 다루는 것이 어려울 수 있습니다. 따라서 시스템은 특정 데이터 스트림을 다른 스트림보다 우선순위를 부여해야 하며, 특정 상황에서 특정 객체나 장면을 무시할 수 있습니다.

이 계산 병목 현상은 센서가 완벽하게 작동하고 있으며 종종 신뢰성을 보장하기 위해 중복성을 제공하더라도, 차량이 데이터를 효과적으로 처리하는 데 어려움을 겪을 수 있습니다. 센서를 비난하는 것은 이 contexto에서 적절하지 않습니다. 문제는 데이터 처리 능력에 있습니다. 계산 하드웨어를 강화하고 알고리즘을 최적화하는 것은 이러한 도전을 완화하는 데 필수적입니다. 시스템이大量의 데이터를 처리하는 능력을 향상시키면, 자율 주행 차량은 중요한 정보를 놓치지 않으며, 더 안전하고 신뢰할 수 있는 작동을 달성할 수 있습니다.

리다르, 카메라, 레이더 시스템: 장단점

어떤 종류의 센서가 더 나은지 말할 수 없습니다. 각 센서는 자신의 목적을 가지고 있습니다. 특정 작업을 위해 적절한 센서를 선택하여 문제를 해결합니다.

리다르는 3D 매핑을 제공하지만, 비싸고, 비가 오거나 안개가 자욱한 악천후에서 성능이 저하되며, 레이저 신호가 산란될 수 있습니다. 또한 데이터를 처리하기 위해 상당한 계산 자원을 필요로 합니다.

카메라는 비용 효율적이지만, 조명 조건에 크게 의존하며, 낮은 조도, 광란, 또는 급격한 조명 변화에서 성능이 저하됩니다. 또한 깊이 인식이 내재되어 있지 않으며, 렌즈에 먼지, 비, 또는 눈이 쌓이는 것을 잘 다루지 못합니다.

레이더는 다양한 날씨 조건에서 물체를 감지하는 데 신뢰할 수 있지만, 낮은 해상도로 인해 작은 또는 밀집된 물체를 구별하는 데 어려움이 있습니다. 또한 잘못된 양성 결과를 생성하여 불필요한 반응을 유발할 수 있습니다. 또한 레이더는 카메라와 달리 물체를 시각적으로 식별하거나 상황을 이해하는 데 도움이 되지 않습니다.

리다르, 레이더, 카메라의 데이터를 결합하여 시스템은 환경에 대한 더 전체적인 이해를 얻으며, 이는 안전성과 실시간 의사 결정 능력을 향상시킵니다. Keymakr의 주요 ADAS 개발자와의 협력을 통해 이러한 접근 방식의 중요성을 입증했습니다. 우리는 모델 훈련과 세부를 지원하기 위해 다양한 고품질 데이터 세트에 일관되게 작업했습니다.

웨이모 대 테슬라: 두 개의 자율 주행 비전

자율 주행 차량에서 테슬라와 웨이모를 비교하는 것은 가장 논쟁적인 주제 중 하나입니다. 두 회사는 이동성의 미래를 개척하고 있지만, 근본적으로 다른 철학을 가지고 있습니다. 왜 웨이모 차량은 센서로 가득 찬 우주선처럼 보이는 반면, 테슬라는 거의 외부 센서가 없는 것일까요?

웨이모 차량을 살펴보겠습니다. 그것은 자율 주행을 위해 수정된 재규어의 기본 모델입니다. 그 위에는 수십 개의 센서가 있습니다. 리다르, 카메라, 회전 레이저 시스템(소위 “스핀เน르”), 레이더 등이 있습니다. 정말 많은 센서가 있습니다. 미러에 있는 카메라, 전면과 후면 범퍼에 있는 센서, 장거리 시야 시스템 등이 모두 동기화되어 있습니다.

만약 그런 차량이 사고에涉하면, 엔지니어링 팀은 새로운 센서를 추가하여 결측 정보를 수집합니다. 그들의 접근 방식은 가능한 모든 기술을 사용하는 것입니다.

그러면 왜 테슬라는 같은 길을 따라가지 않을까요? 주요 이유 중 하나는 테슬라가 아직 로보택시를 시장에 출시하지 않았기 때문입니다. 또한 그들의 접근 방식은 비용 최소화와 혁신에 중점을 둡니다. 테슬라는 리다르를 사용하는 것이 비실제적이라고 믿습니다. RGB 카메라의 제조 비용은 약 3달러인 반면, 리다르는 400달러 이상의 비용이 듭니다. 또한 리다르에는 기계 부품이 포함되어 있으므로 故障이나 교체의 가능성이 더 높습니다.

카메라는 정적인 장치입니다. 움직이는 부품이 없으며, 더 신뢰할 수 있고, 케이스가劣化되거나 렌즈가 어두워질 때까지 수십 년 동안 작동할 수 있습니다. 또한 카메라는 차량 디자인에 더 쉽게 통합될 수 있습니다. 그것들을 차체 안에 숨길 수 있고, 거의 보이지 않게 만들 수 있습니다.

생산 접근 방식도 크게 다릅니다. 웨이모는 기존 플랫폼(생산 재규어)을 사용하여 센서를 장착합니다. 선택의 여지가 없습니다. 테슬라는 차량을 처음부터 제작하며, 센서를 차체에 통합할 수 있습니다. 공식적으로, 그들은 사양에 나열될 것입니다. 그러나 시각적으로 거의 보이지 않을 것입니다.

현재 테슬라는 차량 주변에 8개의 카메라를 사용합니다. 앞, 뒤, 사이드 미러, 문에 있습니다. 추가 센서를 사용할까요? 나는 그렇게 생각합니다.

테슬라 운전자로서 웨이모 차량도 탔기 때문에, 테슬라의 Full Self-Driving 시스템에 리다르를 통합하면 더 정확해질 것이라고 믿습니다. 테슬라의 FSD는 현재 일부 조건에서 정확성이 부족한 것 같습니다. 리다르 기술을 추가하면 더 어려운 조건에서 더 안전하고 신뢰할 수 있는 시스템을 만들 수 있을 것입니다.

그러나 비즈니스 관점에서, 회사가 자체 기술을 개발하면, 경쟁 우위를 점하기 위해 노력합니다. 즉, Dramatically 더 효율적이고 저렴한 솔루션을 만들면, 시장 지배력을 열어줍니다.

테슬라는 이러한 논리를 따릅니다. 머스크는 볼크스바겐이나 바이두와 같은 다른 회사들의 길을 따라가지 않으려 합니다. 그 회사는 상당한 진도를 보였습니다. 오래된 차량에 설치된 모바일아이와 아이사이트와 같은 시스템은 이미相当한 자율성을 보여주고 있습니다.

그러나 테슬라는 독특하려고 합니다. 그것이 비즈니스 논리입니다. 당신이 혁신적으로 더 나은 것을 제공하지 않으면, 시장은 당신을 선택하지 않습니다.

other companies like Volkswagen or Baidu, which have also made considerable progress. Even systems like Mobileye and iSight, installed in older cars, already demonstrate decent autonomy. But Tesla aims to be unique — and that’s business logic. If you don’t offer something radically better, the market won’t choose you.