Thread by @HyunJung4321

Dave Lee on Investing에 comma.ai 의 George Hotz가 나와서 인터뷰를 했습니다

이미 @ContrarianKor 님이 인터뷰 앞 부분을 번역해서 올렸습니다🙏

저는 거기에 좀 더 제 개인적인 생각을 더해봤습니다

Credit: @heydave7

https://twitter.com/contrarianinkor/status/1421662036203741190

1. 가장 인상적인 부분은 perception layer (PL) 가 얼마나 복잡해야 하나에 대한 대화였습니다

2. 여기서 PL 이라 함은 자율주행을 위해 자신의 주변을 인지하는 것 이라고 전 이해했습니다

3. Tesla와 Comma의 다른 점은 PL이 얼마나 많은 객체를 인식해야하는가 입니다.

4. Tesla는 주변의 모든 객체를 정확하게 이해하려고 합니다 (자동차, 빌딩, 다리, 나무, 신호등, 경고등 등등)

5. Comma는 주변 물체를 오직 5개로 구분하여 인식합니다 (운전할 수 없는 곳, 도로, 차선, 움직이는 것 그리고 내 자동차)

6. 결국 이 차이는 추후 FSD가 얼마나 많은 기능을 수행할 수 있는가의 차이로 이어질 것 같습니다

7. 그 예로 Comma는 아직 city driving이 가능하지 않다고 합니다 (제가 틀렸을지도 모릅니다)

8. George도 인정한 부분은 자신들의 단기 목표는 proudly level2, Make Driving Chill 이라고 합니다

9. 즉, 테슬라처럼 level5 의 매우 복잡한 문제를 바로 풀지는 않고, 대신 현재 운전이 가능한 곳을 아주 자연스럽게 운행하는게 목표라고 저는 이해했습니다

10. 따라서, 자율주행을 위해 훈련하는 방법도 차이가 납니다. Comma는 비디로를 AI의 입력으로 사용했을 때 그에 대한 출력값은 하나밖에 없습니다. 바로 운행경로 입니다. (속도도 포함될 듯)

11. 즉, End to End learning의 실천입니다

12. 테슬라는 조금 다릅니다. 제가 이해한 바로는 다음과 같습니다

13. 똑같은 비디오를 AI의 입력으로 사용했을 때 우선 PL이 주변 객체를 모두 인식합니다

14. 그리고 이 인식의 결과 + 어느정도 사람의 코딩과 인식한 객체의 가중치를 적용=> 운행경로 입니다.

15. 엄연히 말하자면 테슬라는 End to End Learning이 아니라는 것이죠. 사람의 코딩과 인식한 객체를 어떻게 조합할지 정하는 중간단계가 있다는 뜻입니다

16. 결과적으로 테슬라는 좀 더 복잡한 문제를 해결하고 있습니다. 따라서, Comma에 비해 아직 최적화가 덜 되었을 가능성이 있다고 생각합니다 (보다 자연스러운 운행경험)

17. 하지만 반대로 생각해보면 테슬라는 Comma가 풀고자 하는 문제를 해결 가능합니다. Comma는 테슬라가 해결하고자 하는 문제를 풀 수 없습니다 (city driving)

18. 즉, 문제 해결을 위한 접근방식이 다릅니다. 하지만 궁극적인 지향점은 같다고 생각합니다 (Full Self Driving)

19. 재밌는 인터뷰였습니다. 자신이 채택하고 있는 방법에 대해 굉장한 자신감을 가지고 있고, he knows what he is talking about.

20. 하지만 제 생각엔, 테슬라 주주로 당연한 선택이지만, 테슬라가 더 잘할 것 같습니다🤭

21. 다만, 모든 마켓을 테슬라가 다 가져가진 못하고 Comma를 위한 시장이 따로 존재할 것 같습니다

이상입니다

끝 👋👋