엔드투엔드는 이미 최신 기술이 아닙니다. 이미 초창기 부터 립러닝의 대부분은 엔드투엔드 학습이고 

문제는 그게 완벽하지 않다는게 큰 문제였습니다 문제가 있어도 해당 문제를 해결하는게 아니라 

문제를 일으키지 않는 다른 학습 방식으로 문제가 해결되기 바라는게 현주소죠 

(사실 LLM도 비슷하긴 합니다. 구글 로보틱스 개발자분이 우리도 몰라 라고 하는걸 들으면 ㅎㅎ 

왜 그렇게 행동하는게 개발하는 사람조차 연구 대상입니다. 그럼 우리는요 소리가 절로 나오죠ㅋ)

엔드투엔드는 그냥 간단하게 10년부터 해오던 딥러닝 강화학습의 새로운 이름입니다.

그럼 이 모델의 오류를 어떻게 잡냐? 그게 감독 기반 및 규정 기반의 정책입니다. 

학습된 모델 위에 강력한 정책을 가진 모델을 올리면서 최대한 위험을 피하는 방식입니다.

문제는 이  규정 방식의 모델이 가지는 한계가 워낙 많습니다. 

그래서 최종적으로는 자율차는 오작동가능성이 있으면 무조건 중단을 하고 중앙관제를 받는 쪽으로 발전했습니다.

그게 이번 웨이모 정전사태의 결말이고요 

지금 자율차를 간단히 이야기 하자면 고등지능이 없는  아메바 수준입니다.

아메바도 움직이고 먹고 싸고 하지만 고등한 지능이 있다고는 보기 힘듭니다. 

때마침 LLM도 나왔다 그래서 자율차 업체들이 슬슬 LLM을 분석하면서 가능성을 탐색하는데

최근에는 규정을 llm이 하는 형태로 발전중입니다. 

그러면 llm은 학습모델의 오류를 수정하고 강력한 규정 모델로 자리잡을수 있죠 

모델이 중앙선을 벗어나 주행을 하면 llm 강력한 규정으로 작용하여 다시 차선으로 돌아가게 수정하는등의 

행동을 제어할수 있습니다. 

물론 아직 실시간에 적용가능한 수준이 아니라 모델 학습 과정에서 사용하는 경우가 대부분이지만

웨이모등 선두적인 업체들은 23년부터 시뮬레이션 상에서 구현 연구하였고 

24년부터는 일부 차량에 시범적으로 도입 25년 모델부터는 이제 차량에서도 경량화된 llm을 사용하기 시작하죠 

현재로서는 웨이모의 파운데이션 모델 (사실상 구글 딥마인드 모델)

엔비디아의 알파마요가 공개된것중에는 가장 앞서 있다고 볼수 있습니다.

이부분만 해결되면 자율 주행 L4도 멀지 않았다고 보입니다.