피드로 돌아가기
Dev.toAI/ML
원문 읽기
Tesla FSD V12 기반의 End-to-End 자율주행 아키텍처 전환 분석
AI Tesla FSDWaymo
AI 요약
Context
전통적인 Modular 방식의 Perception $\rightarrow$ Planning $\rightarrow$ Control 구조에서 발생하는 오차 누적과 복잡한 Rule-base 설계의 한계점 분석. 각 모듈 간의 독립적 처리로 인한 정보 손실과 예외 상황 대응의 경직성을 해결해야 하는 상황.
Technical Solution
- Sensor Input에서 Driving Output까지 직접 연결하는 End-to-End 신경망 구조 도입을 통한 오차 누적 제거
- Occupancy Network를 활용한 3D Voxel 기반 공간 표현으로 주변 환경의 정밀한 입체적 인식 구현
- 다각도 카메라 영상을 하나의 통합된 Bird's Eye View(BEV)로 변환하여 공간적 일관성 확보
- Stacked Hourglass Network 구조를 적용한 특징 추출 및 시공간적 컨텍스트 분석 최적화
- Planning Network 내에 Route 및 Traffic 특징을 통합하여 Steering과 Throttle 값을 직접 출력하는 제어 로직 설계
- Pure Pursuit 및 PID Controller를 통한 최종 궤적 추종 및 속도 제어의 물리적 보정 적용
실천 포인트
1. 복잡한 Rule-base 시스템의 병목 지점이 오차 누적인지 확인
2. 다중 센서 데이터의 정렬을 위해 BEV와 같은 통합 좌표계 도입 검토
3. 신경망의 출력값과 실제 물리 제어기(PID 등) 간의 인터페이스 정밀 설계
4. 3D 공간 인식을 위해 Voxel-based Occupancy Network 적용 가능성 분석