[자율주행]테슬라와 웨이모의 Map Representation 방식의 차이점

 자율 주행 자동차의 자율 주행 과정에 있어 가장 중요한 것 중 하나는 Map Representations이다. 이를 어떠한 방식으로 수행하느냐에 따라, 주변 상황을 인지하는 것과 처리 방식으로 인한 데이터 처리량 등 다양한 차이점을 가진다. 또한 정확한 지도를 확보하여야 현재 위치를 정확하게 파악하고, 경로 계획도 효과적이며 안전하게 세울 수 있다. 따라서 본문은 현재 자율주행을 선도하는 테슬라와 웨이모의 지도 표현에 있어서의 차이를 파악하고자 한다.

 

Map Representation in Waymo

 웨이모는 High-Definition Maps 방식으로 지도를 표현한다. 이는 웨이모뿐만 아니라 우버와 현대자동차 등 현재 많은 자율주행 자동차들이 HD Map 방식을 채용하고 있다. HD map의 표현은 매우 상세하며, 정확한 위치를 보여주기 때문에 이를 위해서 라이다를 사용하여야 한다. 20년 기준으로 라이다 외에도 레이더와 카메라 등의 데이터 수집 장비를 사용하고 있다. HD map을 사용함으로써, 주변 도로의 영구적인 특징을 파악하며, 이로 인해 차량은 고정되어 있는 환경이 아닌 움직이는 물체에만 집중할 수 있어 정확하고 안전한 주행이 가능하다. 수시로 변화하는 도로 상황에 따라 시스템이 이를 인식하며, 실시간으로 지도를 조정한다. 하지만 미국의 경우 도시마다 교통 법규가 다르며 약간씩의 차이점이 있어 이를 개별적으로 추가하여 지도 작업을 하여야 하는 소요가 있다. 획득한 지도를 행동 예측 신경망 모델에 통합하는 과정에서 일반적인 CNN을 사용하는 것이 아닌 독자적인 VectorNet을 사용하는데, 이는 기존의 지도를 픽셀 단위로 렌더링 하고 이미지 처리 신경망에 인코딩하는 방식과 달리 더 적은 Computation cost를 사용하며, 더욱 정확한 행동 예측을 제공한다. 또한 지도 일부분이 가려지거나 등의 공백이 생기면 이를 VectorNet이 스스로 예측하여 누락 데이터를 채워주어 갑작스러운 상황에도 대응할 수 있게 한다.

 

Map Representation in Tesla

 테슬라의 지도 표현 방식은 다른 자율주행 자동차들과는 달리 Semantic Maps 방식을 채용한다. 자동차, 차선, 표지판 등 모든 대상에 대해 시간 변화에 따른 고유 특징 변화를 추출한 뒤 이러한 데이터를 트랜스포머 신경망을 통해 통합적으로 처리하여, 지도를 생성하고 경로를 계획한다. 일반적인 신경망을 쓰는 것이 아닌 시계열을 통해 새로운 신경망들을 적용하여 이를 가능하게 하였고, 라이다를 사용하지 않고 카메라의 데이터만을 통해 3D에 시계열의 개념을 추가하였다. 8대의 카메라에 입력된 이미지를 융합하여, 3차원 공간인 벡터 스페이스에 예측 작업을 진행하여, 이 위에 시간 개념을 추가한 모델을 탑재한다. 이러한 과정을 통해 2D 정보들을 바탕으로 3D에 시간 개념이 추가된 지도를 획득할 수 있다. 테슬라의 경우는 지도를 획득한 후 Planning 과정으로 넘어갈 때 Monte-Carlo Tree Search와 신경망을 조합하여 강화 학습을 사용하는데, 이는 적은 수의 반복을 통해 금방 최적의 답을 찾도록 돕는다.

 

Compare with Waymo and Tesla

 가장 큰 차이점은 LiDAR의 유무이다. 테슬라는 라이다를 사용하는 것이 아닌 카메라와 초음파 센서, 전방 레이더 등을 사용하는 데 반해, 웨이모의 차량 중 하나인 미니밴을 예로 들면 3가지 유형의 라이다 센서, 5개의 레이더 센서, 8개의 카메라가 사용된다. 라이다를 안 씀으로써 테슬라의 차량은 단가가 비교적 낮으며, 웨이모의 경우 높은 차량 단가를 형성한다. 또한 자연스럽게 차량의 크기 또한 웨이모가 테슬라에 비해 커질 수밖에 없다.

 또한 데이터 수집 방식에 있어 차이점을 보이는데 웨이모와 테슬라 모두 데이터를 수집하고 해석하여 사람의 개입 없이 운전할 수 있는 자율주행 차량을 만드는 데 목적을 가지지만, 데이터 처리에 대한 접근 방식에서 차이를 가진다. 웨이모의 경우는 실제 도로에서 테스트 중인 차량의 컴퓨터 시뮬레이션과 데이터를 사용한다. 반면 테슬라는 레벨 2, 레벨 3 운전 모드에서 실제 운전자들을 통해 확보한 수십만 개의 데이터를 기반으로 사용한다. 그렇기 때문에 테슬라는 웨이모에 비해 획득할 수 있는 자율 주행 데이터가 많다.

 

글을 마치며

 본 문에서는 테슬라와 웨이모 사이의 지도 표현 방식과 이로 인한 차이점에 대해 확인해 보았다. 현재로서는 어느 회사 방식이 우수하다고 할 수 없지만, 이러한 방식의 차이는 각 회사가 추구하는 방향성 차이에서부터 오는 부분인 것 같다. 실제 고객이 사용할 수 있는 자율 주행 자동차를 팔 목적을 가진 테슬라 입장에서는 단가를 높이는 원인인 라이다를 쓰지 않는 방식의 지도 표현 방식을 사용할 수밖에 없고, 차량 판매가 아닌 무인 플랫폼 구축을 목적으로 두는 웨이모의 입장에서는 단가를 낮추는 것보다는 단가가 높더라도 비교적 검증되고 안전한 방식을 사용하는 것이 좋았을 거라는 판단을 하였을 것이다.