2천대 남짓 제한된 차량에 풀린 FSD가 한달여만에 백만키로를 돌파했다고 하네요. 출시 초기라 특히나 마일리지 엄청 쌓으셨을 것 같지만요 ^^ 단순히 2천대가 한달에 500키로씩만 돌아다녀도 백만키로가 되는군요. 도로공사에서도 FSD 테스트했다는 소식도 있고 한걸 보면 확실히 국내에 뭔가 바람을 일으키긴 한 듯 합니다. 관련 산업이 빠르게 발전할 수 있는 계기가 되길 바랍니다
약 1천대가 1개월동안 1000km를 달린 것으로 봐야겠죠 ㅎㅎ
근데 거기서 100여대가 분명 3000km씩은 달렸을 겁니다 ㅎㅎ
싶어서요
승차감 개선된 S, X 다음버전 나오면
너무 사고 싶을것 같습니다
룰이 없다고 하니 엔지니어가 개입할 여지는 적은거 같고 AI가 스스로 학습하면서 무조건 실력향상이 되는 건가요? 신기하네…
자율주행만이 아닌 일반적인 기계학습이 그런 루틴을 따른긴 합니다
실운전 데이터로 직접 훈련시키는게 아니라, 단순 참고해 모범 시나리오를 별도로 만들어서 원하는 결과가 나올때까지 반복 주입식 학습하는거로 압니다.
엄격한 통제하의 인위적 학습이라
사실상 코딩과 다를바 없어요.
배포된 모델이 FSD 사용 중 개입으로 해제한 상황에서 운전자가 어떻게 행동했는지를 기록.
희소 사례인 경우, FSD 미사용자들을 포함한 전체 운전자들이 유사한 상황에 어떻게 운전했는지를 수집.
시뮬레이터를 이용해 변형을 가히며 모델이 바람직한 주행을 학습하도록 유도.
이 과정이 대부분 자동화 되어 있습니다. 사람이 영상 검토하고 우수한 클립으로 모방학습 시키는 단계는 V12 개발 초기 이야기고요.
네 차량마다 LTE 네트웍이 있어 주행데이터가 중앙의 학습클라우드에 피드됩니다.
이렇게 피드된 데이터는 라벨링 과정을 통해서 상황에 결부된 요소들을 라벨하여 학습에 넣어줘야하기에,
이부분에서 수동으로 라벨링을 하는 많은 인력이 필요했었지만,
테슬라에서 AI로 라벨링을 하는 것이 가능해지면서 입력부터 학습까지의 사이클 전체가 자동으로 가능해진,
End to End를 구현하여 학습 > 배포 > 재학습의 사이클이 기하흡수적으로 빨라졌습니다.
기본 사고나 교통법위반이나 교통에 지장을 일으키지 않고 해당 상황의 주행에 '성공'한 데이터들이 자동으로 구분되어,
이것들을 스스로학습하여 자율주행을 도출하게 되고,
굳이 FSD가 아닌 데이터수집에 동의한 일반 운전자가 주행한 경우에도 쉐도우 학습이라고하여 사람들의 운전에서,
성공, 실패, 사고사계를 구분하여 관찰학습에 활용합니다.
이렇게 재학습과 검증을 반복하는 과정에서 만의하나, 백만의하나에 해당하는 기존의 시나리오에서 벗어나는 레어한 엣지케이스가 발생하면 이것이 개발자들에게 전달이 되고,
너무 레어한 상황이라 현실에서 반복 재학습을 기대하기 어려운 이러한 엣지케이스들은 가상의 시물레이션을 만들어 그 안에서 반복주행을 하도록해 별도의 End to End 학습을 하도록 합니다.
이런 쉐도우 학습이 가능하기 때문에 이번에 FSD 주행 거리를 쌓았다는 것은 이런 기본적인 학습이라는 측면 보다는,
FSD의 현지 실제 환경에서의 주행을 검증할수 있는 재학습 데이터를 쌓았다는 점에서 의미가 있겠네요.
특히 FSD 주행중 운전자가 개입한 상황이 발생하면 왜 개입을 하였는지를 위주로 피드백이 이루어집니다.
개입한후 운전자가 왜 개입했는지 직접 음성으로 피드백을 남길수도 있고요.