본문 바로가기
반응형

웨이모4

데이터 엔진(Data Engine): 전 세계 테슬라 차량으로부터의 실시간 학습 루프 수백만 대 차량 플릿과 베타 테스트• 테슬라는 이미 전기차 시장 선도기업으로서 방대한 차량 보급량을 자랑하며, 이들 차량이 주행하면서 생성하는 실도로 영상·센서 데이터를 수집해 클라우드로 전송합니다.[1][2]• FSD Beta 프로그램은 이 데이터를 기반으로 OTA 업데이트를 계속 실시하며, 운전자들 역시 “실험적 기능”이란 경고를 받고서 사용하게 됩니다. 이때 발생하는 주행 로그는 다시 테슬라가 받아 네트워크를 개선하는 데 활용합니다.자동 라벨링 & 섀도우 모드• 대규모 데이터 라벨링에는 AI 기반 자동 라벨링 시스템이 사용되고, 사람은 검수·보정만 담당해 효율을 높입니다.• 테슬라는 “섀도우 모드(Shadow Mode)” 방식으로, 새로운 모델을 실제 도로에서 운전자 모르게 병행 평가하고, 구형 모.. 2025. 4. 28.
3.1 - 2 테슬라: 카메라 8~9대, 레이더 축소, 초음파 제거, 라이다 불사용 III. 하드웨어/센서 스택 비교자율주행차가 외부 환경을 파악하고 안전하게 주행하기 위해서는, 어떤 종류의 센서를 사용하고 그것을 어떻게 배치·통합(퓨전)하느냐가 매우 중요합니다. 테슬라와 웨이모는 이 부분에서도 극명하게 다른 선택을 해 왔으며, 센서 구성에 따라 하드웨어 비용, 내구성, 장애 대응 방식, HD 맵 의존성 등에 큰 차이가 생깁니다.  1. 테슬라: 카메라 8~9대, 레이더 축소, 초음파 제거, 라이다 불사용1) 카메라 중심(Tesla Vision) 전략• 과거 테슬라 오토파일럿 초기 버전에는 레이더(radar)와 초음파 센서가 보조적으로 탑재되었으나, 최근 모델에서는 레이더를 축소하고 초음파 센서를 제거하면서, 사실상 카메라 8~9대만으로 주변 환경을 인식하도록 바뀌었습니다.• 공식적으로.. 2025. 3. 31.
2.2-4 웨이모의 안정적 라이다·HD 맵 모델: 지오펜스 지역에서 레벨4 실현 2. 웨이모의 안정적 라이다·HD 맵 모델: 지오펜스 지역에서 레벨4 실현1) 라이다 중심의 고정밀 3D 인식웨이모는 구글(알파벳) 계열사로, 초창기부터 라이다를 활용해 주변 환경을 3D 포인트 클라우드로 정밀하게 스캔하고, HD(High-Definition) 맵 정보를 결합해 안정적 자율주행을 구현해 왔습니다.• 도로·차선·장애물 위치를 cm 단위로 인식 가능해, 특정 지역 내에서는 매우 높은 안전성과 신뢰도를 자랑합니다.• 라이다 센서의 가격이 과거보다 낮아지고 있지만 여전히 카메라 대비 비싸고, 유지·보수 비용이 크다는 점이 걸림돌로 지적됩니다.[1][4] 2) 지오펜스 기반 로보택시웨이모는 미국 피닉스, 샌프란시스코 등 일부 도시 구역을 설정해 완전 무인 로보택시(레벨4)를 시범 운영 중입니다.[.. 2025. 3. 27.
2. 주요 플레이어(테슬라, 웨이모, GM Cruise, 모빌아이 등) 소개 자율주행 산업은 다양한 기업이 참여하는 치열한 경쟁 구도를 형성하고 있습니다. 대표적으로 완성차 업체, IT·테크 업체, 스타트업, 부품·반도체 기업 등이 있습니다. 그중에서도 기술력과 시장 영향력이 큰 주요 플레이어는 다음과 같습니다. 1) 테슬라(Tesla)• 카메라 중심 ‘Tesla Vision’라이다 없이 카메라와 신경망만으로 자율주행을 구현하려는 독특한 접근을 택했습니다.• FSD(Full Self-Driving) 소프트웨어전 세계 테슬라 차량에서 수집된 대규모 주행 데이터를 활용해 OTA(Over-The-Air) 업데이트로 모델을 지속 개선.• 장점: 전기차 시장 지배력, 거대한 실도로 데이터, 빠른 소프트웨어 배포 속도• 단점: 라이다 대비 낮은 신뢰도를 카메라 해석으로 극복해야 하는 숙제 .. 2025. 3. 14.
반응형

티스토리툴바