계면신문기자 주주기
오랫동안 이상적인 자동차는 스마트 운전에 대한 화웨이 업계의 홍보 공세를 받아들이기 어려웠다.원래 소비자의 자동차 구매 결정 1~3에 포함되지 않았던 이 옵션은 일선 경쟁에서 두 자동차 브랜드의 핵심 역할이 되었다.
이상적인 자동차 판매원은 곤돌라 체험 등 다른 제품 기능을 통해 스마트 운전이 상대적으로 낙후된 사실을 숨기고 심지어 화웨이에 대한 직접적인 언급을 피한다.그때 리상적인 L계렬차종과 직접 표적된 문계신 M7은 지운전기능에 대한 사용자들의 인식을 열어주었고 브랜드판매량도 업계를 놀라게 하는 속도로 고조시켰다.
하지만 올해는 극의 흐름이 반전됐다.리상자동차는 화웨이에 이어 두번째"전국이 모두 운전할수 있는"자동차제조업체로 되여 원래 앞섰던 울래와 소붕을 역전시켰다.
리상자동차판매도 주동적으로 사용자들에게 고급지능운전소프트웨어가 있는 MAX버전 차종을 판매하기 시작했다.최신 데이터는 사용자가 AD Max를 선택하는 주문 비중이 5 월 37% 에서 7 월 49% 로 높아졌으며 이 중 L9 MAX 버전의 선택률은 75% 에 달했다.
일부 경쟁자들을 불안하게 하는 것은 이상적인 자동차가 매우 짧은 시간 동안 지능적인 운전 단점을 빠르게 보완한 것 같다는 것이다.이 후발주자는 전통적인 인공적으로 규칙을 쓰는 시대에 선두를 보여주지 못하고 업계 최전방의 엔드투엔드 기술로 전환한 뒤 갑자기 역습해 눈길을 끌었다.
이상적인 지가에 대한 업계의 태도가 미묘하게 바뀌고 있다.한 화웨이 지운전 엔지니어는 계면뉴스에 과거 내부에서는 테슬라와 샤오펑자동차의 연구개발 진전에만 관심을 기울였지만, 지금은 이상자동차도 토론 화제권에 포함됐다고 밝혔다.
리상자동차는 일찍이"울소리"에서 가장 좋은 평가를 받지 못했던 집이었고, 견지하는 증식 노선은 기술이 낙후되었다는 비난을 받았다.그러나 현재 그 판매량은 새로운 세력 1위를 차지하고 있으며, 증편 노선도 점점 더 많은 자동차 회사들이 채택하고 있다.
스마트 운전 분야는 같은 스토리를 복제했다.리상자동차 지능운전연구개발 부총재 랑함붕과 지능운전연구개발 책임자 가붕은 계면뉴스 등 매체와의 인터뷰에서 지가"열등생"이 어떻게 2년도 안되는 기간에 3개 버전을 교체하여 최종적으로 테슬라와의 격차를 반년이내로 단축시켰는가를 복판했다.
초기에 이윤과 효익에 대한 극도의 추구로 인해, 이상적인 자동차의 스마트 운전 분야에 대한 투입은 보수적이며, 줄곧 업계 추종자의 자세이다.
시간선을 길게 늘여 보면 리상자동차가 금방 설립되던 해에 화웨이는 자동운전기술연구개발을 가동했다.2021년 이상자동차가 스스로 지운전을 연구하기 시작했을 때 같은 기간 울래자동차와 소붕자동차는 이미 고속선도보조운전기능 (NOA) 에 착지했다.
작년 업계가 도시 NOA의 시합으로 바쁠 때, 이상자동차 CEO 리상은 9월에 열린 가을 전략회에서 이상자동차가 지운전에 전력을 다하는 것이 늦은 편이라고 반성했다.그는 스마트 운전이 회사의 핵심 전략이며 2024년에 스마트 운전의 절대적인 머리가 되어야 한다고 처음으로 분명히 했다.
이상자동차는 대규모 채용을 시작해 당시 고임금과 일자리를 줄 수 있는 몇 안 되는 기업이 됐다.당시 리상자동차는 화웨이의 군단작전모식을 학습하면 인재의 밀도를 통해 연구개발의 속도를 교환할수 있다고 인정했다.
그러나 실제 착지 과정은 순조롭지 못했다.1년 동안 이상적인 자동차는 선후로 신경선험네트워크 (NPN) 와 무도 두 방안을 시도하여 대량의 인력을 투입하여 교체, 갱신과 테스트를 하였는데 시종 의인정도에 도달할수 없었다.샤오펑자동차와 화웨이는 올해 초 잇달아 전국 대규모 개성 목표를 달성했고, 이상자동차는 작년 말 전국 무도백성 개통 목표를 통근 모델로 강등했다.
련이어 기술로선을 전환하여 랑함붕은 재빨리 기술로선의 병목을 의식하게 되였다.그의 견해에 의하면 무궁무진한 진실한 장면에 직면하여 사람은 영원히 모든 상황을 앞당겨 정의할수 없다.문제를 근본적으로 해결하려면 종단이 현재의 가장 우수한 기술 경로이다.
전통적인 자동운전시스템이 감지, 계획, 위치확정과 결책 등 여러 모듈로 나뉘여있는것과 달리 종단간 구조는 감지결책의 일체화를 강조하는데 그 가장 큰 우세는 모듈간의 정보전달손실을 줄이고 지운전능력의 상한선을 제고하는것이다.자동운전은 진정으로 상세한 지도제작과 코딩이 아니라 인공지능에 의거하여 진보를 가져오기 시작하였다.
테슬라는 이 첨단 기술을 먼저 전환한 자동차 회사로 국내 스마트 전기차 업체와 화웨이 등 자율주행 공급업체가 뒤를 이었다."개성경기" 와 동시에 자동차회사는 끝에서 끝까지의 새로운 대결을 일으켰다.이상적인 자동차는 신기술 노선에서 다시 한번 시도한다.
실제 착지 과정에서 샤오펑자동차와 화웨이는'세그먼트형 엔드투엔드'를 채택해 감지와 규제는 각각 모델로 대체했고 테슬라와 이상자동차는 더욱 급진적인'원모델'(하나의 큰 모델) 이었다.안전 이중화를 위해 이상적인 자동차는 제어 모듈을 포함하지 않았다.
하지만 끝에서 끝까지만으로는 부족하다.랑함붕은 계면뉴스에 종단간 또는 전통적인 감지결책모형은 모두 이미 알고있는 데터, 훈련 또는 인공설계규칙에 근거하여 장면조건을 만족시킨다고 알려주었다.이것은 보지 못한 장면이라면 시스템이 잘 작동하지 않는다는 잠재적인 문제를 내포하고 있다.
대표적인 실천은 자펑이 미국에서 테슬라의 전자동 운전 소프트웨어인 FSD V12.3 버전을 체험하는 것이다.그는 동서 해안 도시에서 FSD의 사용자 경험 차이가 뚜렷하다는 것을 발견했다.보스턴에서 뉴욕까지 테슬라는 익숙하지 않고 도로 작업 상황이 더 복잡한 도시에서 지운전이 급격히 하락해 인수율이 크게 높아졌다.
국내의 도로 장면은 뉴욕보다 더 변화무쌍하다.차단칩의 계산력이 제한된 전제하에 단독의 종단간 모형은 하자가 없는 운행을 보장하기 어렵다.자율주행이 진정으로 사람처럼 사고할 수 있도록 이상적인 자동차는 VLM 시각 언어 모델을 도입하고 지난해 9월부터 종단간 + VLM 듀얼 시스템의 사전 연구를 시작했다.
리상은 올해 6월 열린 중국 자동차 충칭 포럼에서 처음으로 대중에게 이중 시스템의 개념을 공개했다.시스템 1 운행 종단간 모형으로 주행 과정에서 적시에 응답해야 하는 도로 상황 정보를 해결한다;시스템 2는 인간처럼 네비게이션 지도 등 정보 내용을 읽고 복잡하고 논리적 추론이 필요한 일반화 장면을 처리할 수 있다.
가붕은 한걸음 더 나아가 계면뉴스에 VLM이 전반 구조에서 맡은 역할은 결책결과와 참고궤적을 시스템1에 제공하는것이지만 종단간 모델이 반드시 이 추리정보를 채용하는것은 아니라고 표시했다.이것은 시스템 1의 유일한 의사 결정권을 보장하고 두 시스템이 실행되어 싸우는 것을 피할 수 있습니다.
그러나 종단간 투입된 모든 지운전팀은 또 하나의 문제를 해결해야 한다. 즉 종단간 모형의 능력을 어떻게 시험하고 검증할것인가?
종단간 구조에서 사용하는 신경망의 큰 모델은"블랙박스"이고 VLM도"블랙박스"이다. 량자의 가장 큰 페단은 실효모식이 명확하지 못한데 있다.이는 구조의 상한선을 전통적인 규제시대보다 훨씬 높게 하지만 마찬가지로 저급오류가 발생하여 안전을 위해 밑바닥을 파헤치기 어렵다.
분류가 명확한 코드가 없기 때문에, 이러한 문제의 선별 검색도 더욱 번거롭다.한 지운전 연구개발자는 계면뉴스에 종단간 모델 운행 중 어디에 문제가 있는지 모르면 맞춤형 데이터 수집으로 훈련 전략을 세울 수 없다고 설명했다.
이상적인 자동차의 문제 해결 사고방식은 세계 모델을 도입하여 시스템 1과 시스템 2를 시험하는 것이다.훈련 성과를 검수하는 데 사용되는 이 시험 모형은 시스템 3이라고 불린다.
시스템 3의 문제집은 한편으로는 정선하고 세밀하게 선택한 이상적인 자동차 차주의 실제 운전 과정 중의"진짜 문제"와"오답"에서 비롯되며, 이 부분의"제목"을 제공할 수 있는 차주의 비율은 3% 미만이다;다른 한편으로 리상자동차는 재건하고 생성하는 방식으로"시뮬레이션문제"를 형성하여 더욱 많은 장면을 망라하게 된다.모델이 퀴즈를 통해 높은 점수를 받은 후에만 점진적으로 사용자에게 전달됩니다.
이상적인 자동차 이용 시스템 3은 과거 포장 연구 개발 인원을 대체하여 수백 수천 킬로미터를 현장 운전하는 전통적인 도로 측정 방식을 대체했다.이를 통해 모델 반복 속도가 빨라지고 인건비가 많이 절감됩니다.
마찬가지로 가상 시뮬레이션 능력을 이용한 것은 울라이자동차도 있다.이 신세력은 지난달 국내 첫 스마트 운전 세계 모델을 외부에 방출했다.공간 재구성과 시간 추론 능력을 갖춘 이 모델은 100밀리초 동안 216가지 발생 가능한 장면을 추론해 최적의 결정을 찾는다.
자펑은 SORA가 순수하게 동영상을 생성하는 방식을 모방하면 비교적 많은 환각을 초래할 수 있으며 생산 장면을 직접 가져와 사용할 방법이 없다고 지적했다.리상자동차는 진실한 장면을 재건한후 이 기초에서 일반화생성을 진행하고 참고할수 있고 물리법칙에 부합되는 장면을 제공하는것이다.
자율주행 시대에 접어들면서 각 자동차 회사들은 인재의 깊이뿐만 아니라 데이터와 계산력까지 겨루고 있는데, 이는 종단간 상한 능력에 직접적인 영향을 줄 것이다.
랑함붕은 리상적인 자동차의 비슷한 차종구조는 모든 차의 카메라배치, 설치위치가 일치하도록 하여 데터공용을 실현할수 있다고 언급했다.또한 이상자동차는 2019년 1세대 이상ONE부터 데이터 폐쇄 루프 개발을 시작했으며, 효과적인 누적 훈련 데이터량은 12억 킬로미터를 넘어 다른 두 헤드의 새로운 세력보다 더 빠르고 더 많다.
샤오펑자동차 CEO 허샤오펑이 제시한 관점은 데이터가 많다고 해서 자율주행을 잘 할 수 있는 것은 아니라는 것이다.랑함붕도 마찬가지로 데터의 수량과 질량을 제외하고 더욱 어려운것은 데터의 배합비례라고 지적했다.
올해 처음 듀얼 시스템 프로젝트 개발에 투입되었을 때, 이상지 운전팀은 테스트 차가 빨간 신호등을 기다릴 때 항상 다른 차선으로 변하고 싶어한다는 것을 발견했다.나중에 그들은 문제의 원인이 사용자가 빨간불 앞에서 오랫동안 기다린 데이터를 삭제했기 때문이라는 것을 알게 되었다.원래 무시되었던 이 데이터는 모델이 등홍등과 교통체증의 두 가지 다른 대기 장면을 분별할 수 있도록 하는 핵심 정보이다.
사실 이 문제를 빠르게 발견하고 해결할 수 있는 것은 이상적인 자동차가 클라우드에 데이터 마이닝 모델, 장면 이해 모델 등 여러 개의 작은 모델을 구축했기 때문이다.이 완전한 도구사슬과 기초능력건설은 자동운전에서 데터선별과 세척을 진행하는 중요한 일환이다.
랑함붕은 다음과 같이 인정했다. 이는 마치 병원에 가서 진찰을 받는것과 같다. 한 문제장면이 나타난후 내부에"분진대"가 있는데 자동적으로 어느 장면문제에 귀속되는가를 분석하고 모형분진건의를 준 다음 다시 분진건의를 가지고 비슷한 장면수치를 찾아 훈련견본에 보충하고 다음단계의 교체를 진행한다.
가붕의 견해에 의하면 앞으로 대부분 지운전기사들은 데터와 모형테스트라는 이 일두일미의 사업을 하게 되는데 오히려 중간모형자체의 구조설계는 너무 많은 공정사가 필요하지 않을수도 있다.
비즈니스 모델이 변경됨에 따라 이상적인 자동차는 인력 배치와 조직 구조를 조정했다.전통적인 자동운전의 모듈화된 조직구조체계에서는 장면설계로부터 연구개발, 테스트, 교부와 문제수정에 이르기까지 모두 대량의 인력투입이 필요하지만 종단간으로 전환된후 데터수집, 견본제작, 자동화훈련 및 자동화교체 등 분야에서 인간의 참여도가 대폭 낮아졌다.
리상자동차지운전팀은 한차례 확장을 거친후 또 적지 않은 사람들을 해고했다.랑함붕은"당시 우리가 자가용팀을 확장하려는 것은 프로세스로 볼 때 전국 각지에서 매우 크게 깔려 더 많은 연구개발 엔지니어와 테스트 인원이 필요했다.그러나 더 뒤로 가면 내가 투자원으로 이 사람들을 모집할 수 있다 하더라도 모집한 후에도 나는 여전히 앞으로 더 높은 능력으로 나아가는 문제를 해결할 수 없다"고 말했다.
현재 이상적인 자동차 스마트 운전 팀은 RD와 PD의 두 가지 맥락에 따라 연구 개발하고 있다.전자는 기술 사전 연구를 책임지고 차세대 인공지능 발전 방향을 탐색하며, 후자는 양산 작업을 진행하여 현행 버전에 대해 사용자에게 인도하고 유지보수한다.
외부에서 볼 때 리상자동차의 지운전진보속도가 비약적으로 발전하였지만 지난해 9월부터 지운전팀은 매주 인공지능주례회를 갖고있었다. 공정사들은 리상과 자동운전, 지능공간 등 인공지능에 관한 화제를 고정적으로 공유했다.이중 시스템에 대한 토론은 바로 이렇게"천천히 이야기하는 것"이다.
리상자동차의 쾌속적인 진보는 외부로 하여금 지능운전에 관한 이야기극본에는 선두주자의 고정적인 편안함이 존재하지 않는다는것을 의심하게 했다.그러나 랑함붕은 후발주자들이 게임에 참여하는 난이도가 사실상 갈수록 높아지고있다고 지적했다.자율주행은 기술뿐만 아니라 자금, 기업의 수익성을 겨룬다.
가장 직관적인 데이터는 이상적인 자동차는 현재 계산력의 렌터카 투입에만 있어서 1년의 지출이 10억 위안에 달해야 하며, 앞으로 더 높은 수준의 자율주행 연구개발에 진입하면 1년의 훈련 계산력 지출이 10억 달러에 달할 것이라는 것이다.리상자동차와 소붕자동차 지운전운단의 최신 계산력비축은 각각 4.5EFLOPS와 2.51EFLOPS로 알려졌다.
과거 국내 신세력은 테슬라의 기술 진화 방향을 모색하며 한 걸음 한 걸음 따라다녔다.그러나 테슬라는 더 이상 기술 방안을 외부에 공개하지 않고, 이상적인 자동차는 끝에서 끝까지의 안개를 타파하는 새로운 방법론을 제공한다.상술한 화웨이 연구개발일군은 계면뉴스에 이는 중국지운전이 더는 테슬라의 경로를 따르지 않고 한걸음한걸음 모방하는데 유리할것이라고 표시했다.
그러나 종단간 더 높은 수준의 자율주행으로 나아가는 기술 종해, 랑함붕 및 국내 음주운전 열풍에 뛰어든 선구자들은 모두 대답할 방법이 없을 것이다.
그러나 진정으로 차를 구매하는 사용자에게 있어서 어떤 자동운전기술을 채용할것인가 하는것은 종래로 관심의 중점이 아니며 안전, 믿음성, 사용과 안정 등 실제체험지표야말로 그들이 우열을 평가하는 일정한 기준이다.
계면뉴스는 랑함붕과 가붕과의 대화내용을 발췌하여 원의에 영향을 주지 않고 편집하였다.
무인 구역의 가장자리에 서다
Q: 현재 이상적인 이 종단간 + VLM의 스마트 운전 아키텍처는 어떤 생각에 기초하여 설계되었는지, 미래 발전은 어떠한가
랑함붕: 지난해 전략회 시기에 우리는 테슬라 FSD를 포함한 지운전방안을 참고했는데 자동운전의 목표를 실현하려면 아주 큰 도전이 존재한다는것을 발견하였다.끝에서 끝까지, 전통적인 감지 결정 모델이든, 그의 방법은 모두 대량의 데이터를 주고, 이미 알고 있는 데이터, 훈련 또는 인공 설계 규칙에 근거하여 이러한 장면 조건을 만족시키는 것이다. 이렇게 잠재적인 문제는 만약 보지 못한 장면이라면 시스템이 잘 작동하지 못한다는 것이다.
시스템이 복잡하거나 미지의 장면을 정확하게 처리할 수 있도록 하기 위해, 우리는 어떻게 하면 차량이 사람처럼 사고하고 결정하거나 추리를 판단하는 능력을 가질 수 있는지 탐색한다.우리는 인간의 뇌의 사고와 인지 방식과 비교적 유사한 이중 시스템 구조를 채택했다.시스템 1은 종단간 모델을 사용하고 시스템 2는 VLM 모델을 사용합니다.앞으로 다른 실현방식이 있는가 없는가는 우리도 교체중에 있지만 지금 와서 보면 이 틀과 실험방식은 뒤에서 자동운전을 하기에 비교적 적합하다.
가붕: 우리가 테슬라 FSD V12.3 버전을 시운전할 때 동서해안에서 표현차이가 아주 크다는것을 발견했는데 이는 우리가 사고하도록 촉진했다. 국내에서 자동운전을 할 때 차량단칩의 계산력이 제한된 상황에서 단독한 모형은 그렇게 효과적이지 않았다.우리는 당시 종단간 기초에 진정으로 일반화능력이 있고 론리적사고능력이 있는 일련의 시스템을 추가하여 자연히 VLM을 생각하게 되였다. 비록 직접 차를 통제하지는 않지만 결책을 제공하게 된다.
앞으로 발전하면 계산력이 향상됨에 따라 모델 규모가 커지고 시스템 1과 시스템 2가 비교적 긴밀하게 결합될 수 있다.또한 현재 다중 모드 모델의 큰 모델 발전 추세를 참고하여 음성, 시각 및 레이저 레이더를 통일할 수 있습니다.이 패러다임은 우리가 L4를 할 수 있도록 지탱할 수 있으며, 아마도 우리가 진정한 인공 지능을 실현하는 궁극적인 해답일 것이다.앞으로 정말 무인구역에 도착해 자율주행의 진짜 대규모 양산을 실현할 수도 있지만 아직 어느 곳도 뛰쳐나오는 것을 보지 못했다.
Q: 종단간 및 VLM 두 시스템은 어떻게 협업합니까?
가붕: 이 두 시스템은 줄곧 실시간으로 운행되고있다.한 조각이 끝에서 끝까지 달린다. 왜냐하면 모형이 좀 작고 프레임률이 비교적 높기 때문이다. 예를 들면 십여 헤르츠를 달리는 것이다.또한 VLM 모델은 22억 매개변수로 규모가 훨씬 커서 현재 약 3.4헤르츠에서 3~4헤르츠까지 달릴 수 있다.VLM은 항상 존재해 왔다. 다만 결정 결과와 참고의 궤적을 시스템 1에 던져 종단간 모델을 추리한 뒤 이 정보를 사용할지 여부를 결정한다.
Q: 지금 VLM은 필수인가. 이 안에서 필요성의 정도는 어느 정도인가?
랑함붕: 우리가 L3에서 주요한 버팀목역할을 하는것은 여전히 끝에서 끝까지이다. 그것은 이 사람의 정상적인 행위에서의 운전능력을 대표하지만 L4에 도착하면 반드시 VLM이나 큰 모형으로서 이 안에서 더욱 중요한 역할을 한다.90% 이상의 시간이 작동하지 않을 수도 있지만, 이러한 내용이 작용하는 것은 이 시스템이 L3인지 L4인지를 결정하는 중요한 점이며, 진정으로 이런 미지의 장면에 대처할 수 있는 것이다.
Q: 종단간 모델을 어떻게 테스트하고 검증하여 사용자에게 고정적으로 푸시하는 주기를 형성합니까?
랑함붕: 종단간 시대의 아주 큰 도전은 능력에 대한 평가와 테스트가 불확실하다는것이다.시스템 1과 시스템 2 외에도 우리는 종단간 및 VLM으로 착지하는 것 외에도 시스템 3이라는 시험 모델이 있습니다.이 시험모형은 사실상 시험시스템으로서 시험모형의 능력으로 시험문제를 재건하거나 생성한다.
이 시험 문제는 우리 자신의 진짜 문제집이 있는데, 사람이 길에서 운전하는 정확한 행위이다.그것의 설계는 사용자, 제품과 완성차의 주관적인 평가팀에 근거하여 우리 내부의 일부 베테랑 운전자와 공동으로 제정한 베테랑 운전자 표준이다.우리의 80만 명의 차주 중에서 모든 사람이 점수를 매겼는데, 90점 이상의 우리는 베테랑 운전자라고 부르는데, 이 비율은 대략 우리 모든 운전자의 3% 정도를 차지한다.
정상적인 테스트와 운전 과정에서 사용자의 인수와 퇴출, 이것들은 우리의 오제 라이브러리이다.우리는 또 몇 가지 시뮬레이션 문제를 생성해야 한다.우리는 각 모델의 시험 점수에 따라 그것이 차에 반복될 수 있는지 여부를 결정하고 다음 검증을 진행할 것이다.''
자펑: 특별히 긴 꼬리의 문제가 있습니다. 이런 데이터는 실제로 얻을 수 없습니다. 일부 생성된 작업이 있습니다.우리의 세계 모델은 순수 생성이 아니다. 우리는 순수 생성식 모델은 환각이 매우 많다고 생각한다. 정말 가져가서 사용할 수 없다. 우리는 재건과 생성을 결합한 것이다. 생성된 것은 세계 법칙에 부합하고 물리 법칙에도 부합한다.
규모와 품질보다 중요한 것은 데이터 비율
Q: 데이터 부분에서 어떻게 수집하거나 더 효율적인 방식을 말할 계획입니까?
랑함붕: 우리 차 L789는 모두 비슷하지만 여기서 거대한 본질적인 좋은 점은 우리의 데터를 공용할수 있고 설치위치를 포함한 모든 차량카메라배치가 대체로 일치하다는것이다.그리고 2019년 1세대 이상원부터 데이터 폐쇄 루프 개발을 했다.L789단계에 이르러 우리는 80만명의 차주가 있고 12억킬로메터가 넘는 효과적인 훈련수치량을 축적하였는데 이는 국내에서 가장 많은 차주의 하나이다.
샤오펑은 2021년부터 이 일을 시작했다. 차종도 많이 달라졌다. 승용차, SUV, MPV가 있다. 형태가 다르다.울래는 ET7에서 시작되였는데 그전에 모두 공급업체방안이였는데 이는 좀 더 늦을것이며 대략 2022년경에 될것이다.
Q: 데이터의 선별과 정리를 어떻게 고려할 것인가. 현재 대부분의 정력은 데이터에 투입되는 작업이다. 대략 어떤 정력을 차지할 것인가?
랑함붕: 우리는 지금 종단간 모형을 훈련하는것은 고대의 연단과 아무런 차이가 없으며 어떻게 배합하여 자동운전의 체험을 더욱 좋게 할것인가를 발견하였다.올해는 비교적 초기에 프로젝트를 했다. 우리는 모형훈련이 나와 빨간불을 기다릴 때 차의 행동이 비교적 기괴하여 늘 옆의 차선으로 변하려 한다는것을 발견하였다.나중에 우리가 훈련할 때 빨간불 앞에서 기다리던 많은 데이터를 삭제했다는 것을 알게 되었고, 우리는 수십 초 또는 1 분을 기다렸다고 느꼈다