최근 테슬라는 내년 1분기 중국 시장에 FSD (전자율주행) 기능을 출시한다고 밝혔다.이 소식은 다시 한 번 자동차 업계에서"종단간"기술에 대한 관심을 불러일으켰다.현재 테슬라의 FSD V12 방안은'종단간'기술을 기반으로 반복적으로 추진되고 있다.도전에 대처하기 위해 올해 들어"울소리"등 자동차기업과 화웨이, 지평선 등 서비스업체를 포함한 여러 기업들이 분분히 종단간 자동운전기술을 추가했다.업계인사는 심지어"종단간"이 현재 자동운전종국으로 통하는 유일한 실행가능한 방안이라고 여기기도 한다.
그러나 필자는 아직 이 결론을 내리기에는 이르다고 생각한다.
'끝에서 끝까지'란 사실 딥러닝에서 유래한 개념으로, 원본 데이터만 입력하면 최종 결과를 출력할 수 있는 AI 모델을 말한다.자율주행 분야에 적용하면 하나의 모델만으로 카메라, 밀리미터파 레이더, 레이저 레이더 등 센서가 수집한 감지 정보를 차량 핸들의 회전 각도, 가속페달의 압사 깊이 및 제동의 강도 등 구체적인 조작 지령으로 변환해 자동차가 자율주행을 할 수 있다는 의미다.
전통적인"감지-결책-통제"지운전시스템에 비해"종단간"기술은 중간에 규칙이 개입되지 않아 원래 감지, 예측, 계획 등 여러 모형을 조합한 구조를"감지결책 일체화"의 단일모형구조로 간소화하여 정보전달, 추리계산, 모형교체에서 더욱 우세를 갖고있다.이와 동시에"종단간"구조는 데이터로 구동되는 모듈에 의해 구축되여 그 사람이 유지보수하는 모듈의 비례가 상응하게 줄어들게 되므로"종단간"시스템은 계산효률을 뚜렷이 제고할수 있을뿐만아니라 유지보수원가도 낮출수 있다.
그러나 이러한 이점이 "종단간" 기술에 단점이 없다는 것을 의미하지는 않습니다.사실상'종단간'자율주행은 양산 착지와 보급을 실현하는 데 여전히 많은 도전에 직면해 있다.
우선,"종단간"모델의 훈련 비용이 매우 높기 때문에 제조업체가 GPU의 구매 규모를 끊임없이 향상시켜야 하는데, 이는"플레이어"의 진입 문턱을 높인다.테슬라의 경우 현재 FSD가 누적 학습한 인간 운전 동영상 에피소드가 2000만 개를 넘어 채집 비용만 50억 원에서 80억 원이 든다.
둘째,"종단간"모델의 훈련은 대량의 데이터를 필요로 하며, 대량의 데이터에 대한 수집, 세척 및 선별은 기업에 있어서 매우 도전적인 작업이다.강대한 계산력은 실시간으로 대량의 데터를 처리하고 데터전송지연을 낮출수 있어 고위급자동운전의 착지에 유리하지만 현재"울소리"를 포함한 여러 자동차기업은 계산력성장면에서 모두 비교적 큰 도전에 직면하고있다.
이밖에 현재"종단간"지운전의 안전성은 아직 완전히 보장되지 않았다. 특히 흔히 볼수 없거나 극단적인 장면의 수치에 대해 이는 감지모델의 일반화성능에 극히 높은 요구를 제기하였다."종단간" 기술은 어떤 상황에서도 제대로 대응할 수 있도록 이러한 긴 꼬리 장면을 처리할 수 있어야 합니다.
현재 업계에서"종단간"기술에 대한 탐색은 이제 막 시작되었고, 많은 기초 문제에 대해 아직 심도 있는 토론이 부족하다.그러므로"종단간"이 바로 자동운전의 종국해결방안이라는것을 확정하여 기타 경로를 제거할수 없다.부동한 기술로선이 함께 경기하여 공동으로 발전해야만 자동운전이 더욱 안전하고 더욱 빨리 더욱 높은 단계로 발전하도록 추진할수 있다.