Tesla가 FSD를 위한 데이터 라벨링을 자동화하는 방법

테슬라의 특허를 살펴보는 연속 시리즈에서, 우리는 테슬라가 FSD를 위한 데이터 라벨링을 어떻게 자동화하는지 살펴보고 있습니다. 이것은 테슬라의 특허 WO2024073033A1로, 테슬라가 FSD를 훈련하는 방식에 혁명을 일으킬 수 있는 시스템을 설명합니다.

이 기사는 이전의 다른 기사와 같은 방식으로 접근하여 쉽게 이해할 수 있는 부분으로 나눌 것입니다.

이전 기사를 놓쳤다면 FSD 작동 원리를 자세히 살펴보거나 테슬라의 Universal Translator를 살펴보세요.

데이터의 과제 라벨링

FSD와 같은 정교한 AI 모델을 훈련하려면 엄청난 양의 데이터가 필요합니다. 하지만 모든 데이터에 라벨을 지정해야 하며, 전통적으로 이 프로세스는 수동으로 수행되었습니다. 인간 검토자는 수백만 시간 분량의 비디오에서 수십만 개의 데이터 포인트를 분류하고 태그를 지정해야 합니다. 

이것은 힘들고 기계적인 작업이 아니라 시간이 많이 걸리고 비용이 많이 들며 인간의 실수가 발생하기 쉽습니다. AI에 넘기기에 완벽한 작업입니다.

테슬라의 자동화 솔루션

테슬라의 특허는 자동화된 데이터 라벨링을 위한 모델 독립적인 시스템을 소개합니다. 이전 Universal Translator 특허와 마찬가지로 이 특허는 모든 AI 모델에서 작동하지만 FSD가 바로 그 용도입니다.

이 시스템은 Tesla 차량에서 수집한 방대한 양의 데이터를 활용하여 환경의 3D 모델을 만든 다음, 이를 자동으로 사용하여 새 데이터에 레이블을 지정합니다.

3단계 프로세스

이 프로세스는 3단계로 구성되므로 각각을 개별적으로 살펴보겠습니다.

이 시스템은 환경의 매우 정확한 3D 맵을 만드는 것으로 시작합니다. 여기에는 카메라, 레이더 및 기타 센서가 장착된 여러 Tesla 차량의 데이터를 융합하는 것이 포함됩니다. 맵에는 도로, 차선 표시, 건물, 나무 및 기타 정적 개체에 대한 자세한 정보가 포함됩니다.

실제 세계의 디지털 트윈을 만드는 것과 같으며, 이는 Tesla가 FSD를 빠르게 테스트하는 데 사용하는 시뮬레이션 데이터입니다. 시스템은 더 많은 데이터를 처리하고 훈련 데이터 세트를 보강하기 위해 더 나은 합성 데이터를 생성함에 따라 정확도가 지속적으로 향상됩니다.

3D 모델을 개선하고 환경의 동적 요소를 포착하기 위해 시스템은 동일한 지역을 통과하는 여러 번의 여행에서 얻은 데이터를 분석합니다. 이를 통해 움직이는 물체를 식별하고, 그 궤적을 추적하고, 정적 환경과 상호 작용하는 방식을 이해할 수 있습니다. 이런 식으로 교통과 보행자의 흐름을 포착하는 역동적이고 생생한 3D 세계를 갖게 됩니다.

3D 모델이 충분히 자세해지면 자동 레이블링의 핵심이 됩니다. 테슬라 차량이 새로운 장면을 만나면 시스템은 실시간 센서 데이터를 기존 3D 모델과 비교합니다. 이를 통해 새 데이터에서 물체, 차선 표시 및 기타 관련 기능을 자동으로 식별하고 레이블을 지정할 수 있습니다. 

이점

이 시스템에는 세 가지 간단한 이점이 있으며, 이것이 매우 귀중한 이유입니다.

훨씬 더 효율적입니다. 자동화된 데이터 라벨링은 AI 모델을 위한 교육 데이터를 준비하는 데 필요한 시간과 리소스를 크게 줄여줍니다. 이를 통해 개발 주기가 가속화되고 Tesla는 훨씬 더 큰 데이터 세트에서 AI를 교육할 수 있습니다.

또한 확장 가능합니다. 이 시스템은 Tesla의 차량에서 수집한 수백만 마일의 주행 데이터에서 파생된 방대한 데이터 세트를 처리할 수 있습니다. 차량이 성장하고 더 많은 데이터를 수집함에 따라 3D 모델은 더욱 자세하고 정확해져서 자동화된 라벨링 프로세스가 더욱 개선됩니다.

마지막으로 정확합니다. 자동화된 라벨링은 인간의 오류와 편견을 제거하여 라벨이 지정된 데이터의 정확성과 일관성을 개선합니다. 이를 통해 더욱 견고하고 신뢰할 수 있는 AI 모델이 탄생합니다. 물론 여전히 인간의 검토가 필요하지만, 그것은 오류를 포착하고 표시하는 데에만 해당합니다.

응용 프로그램

이 기술은 FSD에 상당한 영향을 미치지만, Tesla는 이 자동화된 레이블링 시스템을 사용하여 다양한 작업에 대한 AI 모델을 훈련할 수 있습니다.

객체 감지 및 분류: 차량, 보행자, 교통 표지판, 장애물과 같은 환경에서 객체를 정확하게 식별하고 분류합니다.

운동학 분석: 객체의 움직임과 동작을 이해하고, 궤적을 예측하고, 잠재적 위험을 예상합니다.

모양 분석: 부분적으로 가려져 있거나 다른 각도에서 볼 때에도 객체의 모양과 구조를 인식합니다.

점유 및 표면 감지: 환경의 자세한 지도를 만들고, 점유된 공간과 빈 공간을 식별하고,다양한 표면(예: 도로, 보도, 잔디)의 속성을 분석합니다.

이러한 다양한 애플리케이션은 모두 Tesla에서 사용하며, 다양한 AI 서브넷을 사용하여 이러한 다양한 사항을 모두 분석한 다음 FSD라는 더 큰 모델에 공급합니다. 즉, 보행자, 차선 표시, 교통 제어와 같은 모든 사항이 차량에 레이블이 지정됩니다.

간단히 말해서

Tesla의 자동 데이터 레이블 지정 시스템은 AI 개발에 있어 게임 체인저입니다. Tesla는 차량과 3D 매핑 기술의 힘을 활용하여 세계를 이해하고 탐색하는 능력을 지속적으로 향상시키는 자체 학습 시스템을 만들었습니다.

자율 주행 자동차가 인간의 도움 없이 주변 세계를 레이블하고 이해할 수 있는 세상을 상상해 보세요.  이 특허는 이를 가능하게 할 수 있는 시스템을 설명합니다. 이 시스템은 많은 테슬라 차량에서 수집한 데이터를 사용하여 실제 세계의 가상 사본과 같은 환경의 3D 모델을 만듭니다.  

이 3D 모델은 새로운 이미지와 센서 데이터에 레이블을 지정하는 데 사용되어 대부분의 인간 개입이 필요하지 않습니다. 이 시스템은 물체, 차선 표시 및 기타 중요한 기능을 인식하여 AI 모델을 더 쉽게 훈련할 수 있습니다.

추천코드를 사용하여 새 테슬라에서 최대 1,000달러 할인을 받는 것을 고려하세요.