항상 느끼지만 일론 머스크는 천재입니다.
특히 E2E라는 개념을 만들어서 자율주행에 끼친 영향력은 이루 말할 수가 없죠.
문제는 그렇게 훌륭한 테슬라의 FSD가 모든 면에서 최고여야 하는데 현실이 그렇지 않다는 점이죠.
일단 테슬라보다 먼저 레벨4 서비스를 해서 가장 많은 증오를 받고 있는 웨이모
가장 많이 공격받는 논리 중 하나가 라이다겠죠?
왜냐면 일론머스크가 자율주행은 카메라면 충분하다고 했거든요.
그래서 라이다를 공격하기 위해서 들고 오는 논리는
비싸다와 카메라 말고 다른 정보가 들어오면 AI가 헷갈려서 오히려 위험하다입니다.
그런데 이상하죠.
중국 EV업계에서 라이다를 사용하는 업체 중에 FSD보다 비싼 것이 없거든요.
결국 라이다가 비싸다는 말은 오직 레벨4 서비스를 이미 사용화한 업체를 공격할 때만 나옵니다.
그리고 카메라 외 다른 정보는 AI가 혼선을 갖는다는...
저는 AI에 관심이 많아서 그쪽 정보도 많이 찾아보는 편인데
지금 AI가 인간보다 뛰어나져서 모든 일자리를 차지하는 것이 아닌가? 그리고 그 시기가 몇 년 안에 올 것인가가
가장 큰 두려움인데, 그런 AI가 비전 정보가 라이다 정보만은 구분하지 못할 것이라고요?
그러면 인간의 마지막 직업은 자율주행의 비전 데이터와 라이다 데이터 분류인가요?
테슬라 FSD로 사망 사고가 났을 때 자율주행 불가론을 내세우는 사람들을 비웃었을 분들이
테슬라 외의 다른 기술은 발전하지 않을 것이라고 생각하시는지...
그리고 도로에는 무한의 상황이 벌어지기에 룰 기반이 아니라 E2E가 정답이라고 하시면서
이상하게 도로에 무한한 상황이 벌어지니까 라이다도 넣자고 하면 틀렸다고 하더라고요
심지어 카메라가 고장 날 때를 대비해서 한 방향에 두개씩 달자고 하거나, 칩이 죽을 때를
대비해서 두 개 달자고 하는 분도 못 봤습니다.
도로에 무한의 상황이 벌어지는데 아주 우연히도 테슬라가 채택한 방식이 완벽하다는 것은
이해가 잘 되지 않네요.
무한의 상황도 결국 룰 기반보다 E2E의 우월성을 이야기 하기 위해서 끌고온 논리일 뿐이죠.
그리고 레벨3나 레벨4가 의미가 없다는 이야기도 많이 나오는데.
왜 의미가 없습니까? 레벨3부터 사고의 책임이 제조사로 넘어가는데요.
그분들이 웨이모를 비웃는 점 중 결국 차량이 운행불가 상황에 빠지면 사람이 개입해야 한다. 인데
그럼에도 불구하고 웨이모의 사고율이 높지 않습니다.
FSD의 사고율에 비해 높다고 해도, 사고가날 만한 순간에 사람이 개입하는 것과 사고가 일어나고
운행불가가 된 상황에 개입하는 것은 차원이 다르죠.
그래도 아직도 웨이모를 비웃는 글들이 많이 올라오더군요.
그리고 한국에서는 큰 관심이 없지만, 테슬라의 논리에 가장 큰 적수가 바로 화웨이 입니다.
첫째 일론 머스크가 꿈꿨던 자율주행 라이센싱을 벌써 하고 있고
둘째 라이다를 사용하는 자율주행을 하면서도 FSD보다 가격이 저렴하고
셋째 이번에 중국에서 레벨3 자율주행을 시작했으니까요
물론 화웨이의 자율주행은 FSD보다 부족하다는 평가를 받고 있읍니다만...
그럼에도 불구하고 사고의 책임을 자신들이 지겠다고 하는 패기를 테슬라는 따라가지 못하고 있죠.
평소 제 글을 보신 분들은 아시겠지만, 저는 특정 브랜드를 빨거나 까는 것이 아니라
전기차와 자율주행 기술 자체에 관심이 많습니다.
테슬라의 상품성도 좋다고 생각하고 여러가지를 고려했을 때 현시점 가장 발전한 자율주행은 FSD라고 생각합니다
하지만 그럼에도 테슬라 차량도 FSD도 단점이 존재 하지요 장점은 칭찬하고 단점은 인정하면 좋겠습니다
첫 글에 밝혔듯이 여러 자동차 커뮤니티를 보는데 유독 굴러간당이 테슬라 관련해서 싸움이 많이 나기에
글을 써봤습니다
현대차 타는 사람도 똑같다고 생각한다? 그러면 정리해서 글을 올리시면 됩니다.
테슬라 타는 사람은 깨끗하고 다른 사람들이 억까한다? 그런 의견이 많이 올라온다면 제가 언제 시간내서
특정 테슬라 유저들이 시비거는 글 들을 캡쳐해서 모아서 올려 보겠습니다
물론 엄청나게 귀찮고 글 올려봤자 신고로 내려갈 것이 분명하기에 억까한다는 의견이 대다수일 때만 올리겠습니다
긴 글 읽어주셔서 감사합니다
하지만 말씀하신 것 또한 '앞으로 테슬라 FSD는 더 이상 발전하지 않고 멈춰 있을 것' 이라는 전제가 깔려있다고 생각하는데요.
남이 이미 닦아놓은 길을 보고 달리는 속도와, 없는 길을 개척하며 앞으로 나아가는 속도를 동일선상에서 비교하는 건 어불성설 아닌가요?
단순히 테슬라를 따라잡고 역전하는 순간이 오면 모든게 끝나는 게임이라는 설정이라면 그러려니 하겠습니다.
FSD 14.2도 충분히 훌륭하다고 생각해서요
중국이 테슬라를 역전하려면 좋게 봐줘도 3~4년은 걸릴 텐데 그때쯤이면
자율주행 수준이 의미가 있을까요?
가격경쟁으로 돌입하겠죠
다만 현실적인 시장 진입 관점에서 보면, 테슬라 FSD는 미국 기술이라 한미 FTA 등을 통해 국내 도입에 큰 장벽이 없지만, 중국의 자율주행 소프트웨어가 한국이나 서방 시장에 그대로 진입하기는 어렵지 않을까 싶기도 해요.
현기가 안방에서 활약을 해야 하는데도 이미 테슬라가 경영진에게 충격을 줘버렸고.. 이어서 중국마저 우리나라에 들어오려고 한다면..?
특히 미국은 중국산 전기차에 관세 100%를 부과할텐데, 말씀하신 '가격 경쟁력'을 논할 수 있는 상황 자체가 오기 힘들지 않을까 싶네요.
말씀대로 테슬라를 벤치마킹해서 동급 수준으로 따라잡는 것이 목표라면, 후발주자로서 빠르게 근접할 뿐만 아니라 역전도 가능하겠죠. 스마트폰 시장처럼요.
하지만 제가 드리는 질문의 핵심은 그 다음 단계입니다. FSD 그 이상의 비전을 제시하고 판을 짜는 역할은 결국 선두주자가 해야 하는데, 지금 테슬라 말고 그런 역할을 할 수 있거나 하겠다고 나서는 회사가 있나요?
스마트폰을 예로 드셨는데, 혹자는 테슬라와 애플의 유사성을 이야기합니다. 그건 자체 칩 설계부터 OS, 소프트웨어까지 모든 핵심 기술을 인하우스로 개발해 수직 계열화를 이뤘기 때문입니다. 애플이 M칩을 직접 설계하고 TSMC에 생산만 맡기는 것처럼요.
반면 레거시 업체들은 GPU나 AP같은건 엔비디아, OS를 구글걸 들여오는 것 처럼 외부에 의존해 조합하는 어셈블리 방식에 가깝습니다. HP나 델이 인텔 CPU와 윈도우를 사다 조립하는 것과 같죠. 태생적인 최적화 한계가 분명히 다릅니다. (그나마 현기는 테슬라의 길을 가려고 노력 중이라 봅니다.)
말이 다른 길로 좀 샜네요 ㅎㅎ 여튼..위에도 말씀드렸지만 저도 테슬라를 무조건 치켜세울 생각은 없습니다.
그리고 레거시 업체가 절대 이길 수 없다고 말할 생각도 없습니다.
하지만 누군가 길을 닦아놔야 벤치마킹도 가능한 법인데, 2등 전략(Fast Follower)으로 1등을 영원히 대체할 수 있다는 건 지나친 낙관 아닐까 싶습니다. 꼬우면 1등을 제치고 왕좌를 물려받은 이가 새로운 길을 제시해야겠죠.
그리고 하드웨어 말씀하셔서 그런데.. 하드웨어의 정의도 명확히 해야 할 것 같습니다. 단순히 가죽 질감이나 단차 같은 내/외장 조립 품질'을 말씀하시는 거라면 레거시가 우위인 게 맞습니다. 그건 테슬라가 프리미엄으로 가기 위해 반드시 챙겨야 할 숙제고요.
하지만 자동차의 본질인 섀시나 파워트레인, 전자 아키텍처 같은 핵심 공학적 하드웨어에서는 테슬라가 레거시에게 뒤처질 일이 없다고 봅니다. 오히려 앞서 있죠. 고급스러운 마감과 뛰어난 하드웨어 기술은 구분해서 봐야 하지 않을까요?
자율주행이나 주행보조에 최초로 시도한 것도 아닙니다.
라이다를 쓰면서 E2E 모델로 만들기 어렵다는 것. (데이터+트레이닝/추론 자원의 한계 + 다중공선성 문제) 이건 이론적인 문제구요.
라이다를 웨이모처럼 쓰는건 무인택시용으론 적합하지만, 승용차처럼 어디에서나 쓰는 용도에는 적합하지 않습니다. 서로 다른 갈래의 기술이죠.
웨이모 방식을 승용차로 들고 오려는 시도는 비용효율적인 면에서 검증되지 않았어요. 승용에서 라이다를 쓰면서 테슬라보다 가시적인 성과를 보이는 타사 사례가 아직 없거든요.
무인택시는 웨이모가 분명히 앞서 있는게 맞습니다. 웨이모 방식을 자가용으로 끌고 오지 않으면 안된다는 주장도 지나치게 확신을 담아 하는 분들이 많더군요.
FSD에 라이다 끼얹으라는 주장도 의미 없고, 웨이모에 라이다 빼라는 주장도 의미 없습니다. 웨이모는 로보택시 잘 하면 되고 테슬라는 자가용 잘 하면 되는거고요.
테슬라가 자가용으로 만든 모델로 로보택시까지 잘 할지는 검증의 시간이 필요한 문제죠.
단순히 룰기반 VS E2E 구도에서 룰과 E2E 하이브리드 방식도 나오고 있고 무조건 많은 학습거리에서 시뮬레이션이 중요해지는 방향성도 그렇고 자율주행 트렌드는 계속 변화 중인데 E2E 온니비전이 가장 앞서 나가기에 옳다는 것은 어폐가 있지 않을까요?
그런데 어떻게 꾸역꾸역 수준을 높여 나가더니 요즘은 상위권은 아니지만 그래도 쓸만하다는 평가를 받을 정도로 올라 오더군요.
지커가 라이다 기반 E2E로 점점 개선되는 모습을 보여주는데 테슬라가 1등이라고 라이다 기반 E2E 무용론을 주장하면 안되겠죠
방향을 잘못 잡으면 한계에서 더 이상 성능이 올라가지 않는게 AI 특징인데요. 테슬라도 V12부터 아키텍처 갈아 엎었던거 생각하면 어느 수준까지 빨리 올라 왔다고 해서 그게 끝까지 좋은 방식일지는 보장할 수 없다는 생각입니다.
지커가 해외에서도 무리 없이 잘 돌아가는 일반화 성능을 달성하게 되면 그때 저도 생각이 달라질지도 모르는데요. 테슬라는 절대 안될거라던 분들이 중국 차에는 검증이 부족한 상태에서 지나치게 관대한거 아닌가 하는 생각이 드네요.
오버피팅은 비교적 쉽고 일반화는 그보다 훨씬 어렵거든요. 중국 차는 일단 중국 밖을 나가 봐야겠지요.
지금 저와 대화하시는 것 맞으시죠?
그리고 제가 위에서 언급한 화웨이는 테슬라보다는 떨어진다고 해도 라이다 기반 E2E로 전향하고도 이번에 레벨3 자율주행을 신청할 정도로 성과를 보여주고 있는데 그래도 라이다를 인정 안하신다고 하면
오직 라이다 기반 E2E가 1등을 해야지만 인정하실 수 있다는 뜻인가요?
그러면 애초에 룰 기반을 하는게 낫겠네요
그리고 혹시 FSD가 미국에서만 서비스 될 때 미국 바깥으로 나가면 먹통일 될 거라고 예상하셨나요?
만약 그게 아니라면 같은 두 현상을 두고 다른 해석을 보이는 것은 과연 누구일까요?
세계 어디서나 잘 되는게 E2E여서는 아니고요.
주어진 트레이닝 자원, 추론 하드웨어의 한계 안에서 충분한 밀도의 정보를 넣어야 하고, 여러 국가의 데이터도 충분히 학습 해야 하는데요. 테슬라는 이미 그렇게 할 수 있었죠. 타국에 수집, 추론평가 할 차를 많이 풀어 놨었으니까요.
현 시점 중국회사의 병목은 학습데이터인데 라이다를 달고 자율주행은 안되는 상태로 해외에서 수집하는 것이 진입 장벽이고요.
카메라+라이다로 입력이 더 커진 상태에서 여러 국가를 대응하는 지능을 담은 E2E 모델 크기가 어느 정도 하드웨어 성능을 요구할지도 모를 일이고요.
테슬라는 룰 기반으로 하다가 버렸는데, 룰 기반으로 잘 해낼 수 있다면 그것도 능력이겠죠. 그런데 뭐가 됐든 증명이 필요하지 않겠습니까?
한국에서 잘 될거라 기대했던건 테슬라가 AI Day등을 통해 데이터 수집 상황을 보여줄 때 한국 영상도 다수 보였고, 업데이트 할 때 긁어 가는 데이터의 양을 보더라도 학습하고 있는걸 알 수 있어서였거든요. 부산에서 못할거라고 하던 사람들은 아마 테슬라의 데이터 수집/추론평가 방식을 잘 모르셨을거에요.
리누님이 싫어하는 부류의 입장: 테슬라는 불가능하고 중국은 가능하다.
리누님 입장: 테슬라는 가능하고 중국은 불가능하다.
저 세 가지 입장 중에 둘은 비슷해 보이는데 제 착각인가요?
중국은 불가능이 아니라 (미래에 해외에서도 데이터 수집 했을 때) 될지 안될지 끝까지 해보지 않으면 모른다 입니다. 내놔보라는거죠.
해외 데이터 없이는 즉시 해외에 내놓으면 안될거다 입장이 맞습니다.
테슬라야 미국이라는 나라의 특성상 FTA라는 무기가 있으니 자율주행 서비스에서 유리하잖아요.
중국이 서비스하지 못하는 것은 정치적인 이유라는 것을 아시면서 그것을 기술적인 부분으로 이야기 하시면 뭐 더 이상 할말이 없습니다
갑자기 저한테 테슬라는 불가능하고 중국은 가능하다고 주장하는 사람을 끌고 오지를 않나
그저 주장을 이기기 위해 하시는 말씀일 뿐 기술적인 통찰은 뒷전이시군요
테슬라는 해외 데이터도 수집/평가 하고 있었으니 기대를 한거고, 중국은 그게 안되니 불가능하다고 한거고요.
중국도 해외에서 학습하면 될 수 있겠지만,
하드웨어가 중국내+해외의 카메라 + 라이다를 담을만큼 커져야 하는데, 충분히 큰가 지금은 알 수 없다는거죠.
테슬라도 HW3으로 될거다 했는데 하다 보니 HW4, AI5 이야기 계속 하잖습니까.
정치적 이유 뿐만 아니라 그보다 더 큰게 비용의 문제이기도 합니다. 쓰이지 않는 하드웨어를 박아 놓고 합리적 가격에 팔아야 하거든요.
시뮬레이션이 대세면 엔비디아가 이미 완성해서 제공하고 있어야 하지 않을까요? 왜 엔비디아는 도구만 주고 만드는건 알아서 하라고 할까요? 가장 잘 할 수 있는 회사가요?
저는 리얼 데이터 없는 시뮬레이션은 한계가 있다고 믿는 사람이라서요.
책 100권을 읽은 LLM끼리 천년간 토론 시킨다고 책 1만권 읽고 토론 시킨 LLM만큼 똑똑해질 수 있을까요.
AI 성능이 좋아지려면 다양한 분포의 데이터를 폭넓게 가져야 하고, 그 중 샘플이 부족할 때 증강해서 쓰는 것이지 없는 분포 구간을 증강 데이터만으로 채울 수 있는건 아니라 알고 있습니다.
중국 내에서 학습 -> 해외 부족분은 시뮬레이션으로 보충 -> 해외에 약간 부족한 수준의 자율주행 출시 -> 그 차량들이 운행하며 실물 데이터 학습
이런 단계가 가능한데 처음부터 완벽한 자율주행은 테슬라도 못해내는데
중국차량도 출시 뒤에 학습하면 되죠
해외에서 시내주행 기능 없는 주행보조 단계로 수집을 시작해야겠죠.
적게라도 수집한 다음 시뮬레이션으로 증강하는 것이지, 수집한 적 없는걸 먼저 상상해서 만들어 학습 시키고 어느 정도 돌아갈걸 기대한다는건 무리라고 생각해요.
기술 측면에서는 중국 차가 해외에서 안될게 없고요.
1) 정치적인 문제 해결
2) 기능 제한 상태에서 장기간 손해 감수
3) 하드웨어 성능이 병목이 아니어야 함
이게 다 되면 그 때 되는거죠.
1,2번은 가능하지만 쉽지 않은거고, 3번은 해봐야 안다.
이건 0 아니면 1 이야기가 아니라, 다분히 확률적인 이야죠.
일단 정치적인 부분만 해도 중국이 엄청난 리스크를 지고 있는 것은 확실하니까요.
그리고 중국의 잠재력이 두려워 내심 계속 핍박받았으면 좋겠습니다.
일론이 합성데이터 중요성을 강조한 배경은, FSD로 국한할 때 FSD가 이제 어느정도 수준에 도달하여 개입 빈도가 줄어드는 이유가 있겠습니다만, 궁극적으로는 옵티머스까지 포괄하는 리얼 월드 물리 AI 관점의 발언으로 이해하고 있습니다.
옵티머스는 현재 실세계 데이터를 수집할 플릿도 턱없이 부족할 뿐더러 도로 주행에 비해 데이터의 복잡성도 비교가 안되기 때문이겠죠.
LLM은 토론을 예시로 들었죠. 논리력(지능)은 100권만 읽고 토론을 시켜도 충분히 성장할 수 있어요. 그런데 정보(상식)는 10만권 읽은 것을 따라갈 수 없어요. 한번도 들어본적 없는 분야의 주제가 토론을 통해 배워지는게 아니니까요.
자율주행도 마찬가지입니다.
시뮬레이터는 물리엔진은 구현되어 있지만 발생할 수 있는 경우의 수가 제작자의 상상력에 종속 됩니다. 예를 들어 고속도로 주행 중에 갑자기 경비행기가 불시착해서 고속도로에 착륙하는 상황을 시뮬레이터 만드는 사람이 상상해서 넣은 케이스에서 나오는걸 기대하기 어렵겠죠. 그런데 이런 케이스는 FSD 학습용 수집데이터에는 실제로 있습니다.
이런 상황을 하나 수집하면 비행기가 여러 방향에서 여러 광원 방향과 날씨 조건의 바리에이션으로 불시착할 때 어떻게 할 것인지를 비로소 시뮬레이터로 학습 시킬 수 있을겁니다. 그런데 이런 상상력 밖의 엣지케이스 자체는 외부에서 얻은 상식이 많은 쪽이 강할 수 밖에 없습니다.
평범한 주행에서 아주 승차감 좋은 주행은 시뮬레이터만으로 충분히 가능합니다. 그런데 온갖 복합적인 상황의 대응은 실주행 데이터가 많은 쪽이 잘 할 수 밖에 없어요. 실주행 데이터 수집량 중 99.9%를 버려도 0.1%가 쌓이는 것으로 수천, 수만가지 기상천외한 케이스를 처리하는 지능이 될 수 있습니다.
테슬라의 자율주행 이전의 강화학습 기반 E2E 모델의 대표적인 모델들은 주로 게임들이죠. 실행 결과가 컴퓨터를 통해 나와서 빠른 시간에 많은 데이터들을 쌓을 수 있고 경우의 수가 제한되어 있는 문제들. 리얼월드 AI는 게임과 다릅니다.
물론, 아직까지 그런 연구는 실험실 단계라는 걸 고려해야 겠지만... 중국쪽에서 대부분 논문 나오는데 회사 내부에서는 공개하지 않은 연구단계가 있겠죠.
또 비전만 쓰는게 아니라 VLM으로 E2E 보조하는 연구도 있고요. 물론 어찌보면 이것도 리얼월드 학습데이터의 다른 형태 아니냐면 틀린 말은 아니죠 (일종의 증류 비슷한 개념이니까요?)
엔비디아가 완성본을 제공할 수 없는 건 당연히 자동차를 만드는 자동차 회사가 아니기 때문입니다. 자동차의 움직임을 제어하는 부분은 차종마다 다 다르고 나름의 노하우가 필요한 부분이고 그건 자동차 회사들이 가장 잘 아는 부분이니까요. 말씀하신 내용은 구글이 그냥 스마트폰 제조사들이 얹기만 하면 되는 형태로 안드로이드 배포하면 되지 왜 제조사별로 커스토마이징을 하고 소프트웨어 개발이 필요하냐고 하는 것과 같습니다.
엔비디아는 커스터마이즈나 제어 연동만 하면 쓸 수 있는 형태로 제공하지 않고 있습니다. 데이터 수집까지도 제조사 몫입니다.
공구만 파는것이지 반제품을 파는 것도 아니에요. 안드로이드는 OS 커널과 순정앱도 제공하고 있지 SDK만 달랑 던져주는 것이 아니니 비교 대상이 아닐거 같습니다.
네 알고 있습니다. 어쨌거나 자동차 제조사들이 알아서 해야 할 부분이 있다는 걸 스마트폰에 비유해서 얘기하려 한 것인데 분야도 다르고 기존에 없던 새로운 것이다보니 좀 적절치는 못했던 것 같네요.
그냥 우리차좋아~ 하면 되는데 너네 차 구려~ 하면
반감이 생기겠죠? 이래도 이해안가면 네..
아...그렇군요.
쌍팔년도 어쩌고는 비약이 아닌갑네요.ㅎㅎ
일론머스크가 2019년 어터너머스 데이에서 라이더를 비판한 것은 라이더의 높은 가격 때문에 대중화 하기가 어렵다는 점이었지 라이더가 센서퓨전에 부하를 준다는 취지는 아니었습니다.
오히려 자신은 라이더를 싫어하지 않고 스페이스X의 드래곤 캡슐의 도킹을 위해서 라이더를 사용할때 자신이 그 적용을 지휘했었고 필요한 테스크에서 라이더는 매우 훌륭하지만 비전이 저렴하게 해결할수 있는 일에 비싼 라이더를 사용하는 것은 필요없다는 부연 설명까지 더했었죠.
오히려 센서퓨전의 부하를 지적한 것은 2021년 FSD V9에서 비전 온리로 전환할때 기존에 사용하던 저해상도 레이다의 성능을 지적한 것이었습니다.
'라이더'와 '레이다'를 구분 못하고 사용하는 사람들이 종종 있지만 그정도의 구분이 안되는 사람의 얘기라면 진지하게 받아주기가 좀 그렇죠.
더구나 그 레이다에 대한 지적도 분해능이 낮고 높이 구분 능력이 떨어져,
육교나 터널 같은 상부 구조물을 정면에 있다고 오 데이터를 날리던 저해상도 레이다에 대한 지적이었고,
저가의 고분해능 차량용 고해상도 레이다가 나온다면 사용을 검토할 용의가 있다는 발언도 했었죠.
잘 아는 사람은 논리있는 주장을 하고 서로 논의가 성립 되겠죠.
결국은 잘 모르는 사람이 주장에 열의만 앞서가거나 근거를 정확하게 검증하지 못하고 틀린 정보가 퍼졌을때 커뮤니티 전체의 지성이 그 부담을 떠않게 되죠.
그리고 테슬라는 FSD 하드웨어에 AP칩을 두개 장착해 동시에 두개의 연산을 돌리면서 서로 감시해 한쪽이 에러를 일으켰을 때의 리던던시로 사용하고 있는데 이에 대한 내용도 모른다면 FSD에 대해서 논의할 수 있는 상대도 아닐 것 같네요.
그 발언들은 V11 까지 벡터스페이스와 룰베이스 플래너가 구분되어 있던 아키텍처에 해당하는 이야기였고 V12 이후에도 유효하다고 보고 인용할 수 있는 이야기인지는 잘 모르겠네요.
지금 학습 구조에서는 월드모델 시뮬레이터에서 현실적인 라이다 데이터를 생성할만큼 충분한 데이터가 없는 점, 이미 뿌려놓은 플릿들에도 자율주행을 완성시켜 줘야 하는데 그 차들은 라이다가 없다는 점이 라이다를 도입할 수 없는 이유로 더 클 것 같습니다.
본래의 목표가 경재적이고 심플한 시스템을 도입하겠다는 것이었고,
비전으로 풀수 있다면 굳이 라이더는 필요 없다는 것이었기 때문에,
지금 비전으로 잘 발전되어 가고 있는 이상,
지금까지 쌓아온 학습모델에 라이더를 추가하는 공수가 얼마나 들것인가 가능한가 불가능한가 이전에 굳이 도입을 할필요가 없다고 느끼고 있을 것 같네요.
테슬라의 검증 차량들이 라이더를 달고 비전과 라이더의 비교 데이터 연구를 수행하는 부분도 있어서,
필요가 없고 그정도 연산로드를 추가할 니즈가 없다고 느낄뿐 퓨전하라면 퓨전할수 있을지도 모르죠.
뭐 확인은 안되겠지만요.
라이더를 활용해 개발하고 있는 곳은 그 인프라로 쌓아가고 있으니 목표가 또다른 것이겠지만요.