Tesla Release Note (FSD beta v11.3.6)

아래의 글은  https://tesla-info.com/release/All 를 참고하여 작성하였습니다.

 

어느 정도 안정화가 이루어진 자율주행 SW에서는 어떤 기능을 개선하고 보완하는지 궁금해서 조사를 시작했습니다.

 

1. 차선에 대한 의존도 감소

• 기존 :

The legacy highway stack still relies on several single-camera and single-frame networks, and was setup to handle simple lane-specific maneuvers.
“기존의 고속도로 스택은 여전히 여러 대의 단일 카메라와 단일 프레임 네트워크에 의존하고 있으며, 간단한 차선별 기동을 처리하도록 설정되어 있습니다.”

• 변경:

FSD Beta's multi-camera video networks and next-gen planner, that allows for more complex agent interactions with less reliance on lanes, make way for adding more intelligent behaviors, smoother control and better decision making.
“FSD 베타의 멀티 카메라 비디오 네트워크와 차세대 플래너는 차선에 대한 의존도를 줄이면서 더 복잡한 에이전트 상호 작용을 가능하게 하여 더 지능적인 동작을 추가하고 더 원활한 제어와 더 나은 의사 결정을 내릴 수 있는 길을 열어줍니다.”

 

→ 차선에 대한 제약을 더 풀어서 자율주행 시스템이 더 적극적인 판단을 할 수 있도록 한 것으로 보입니다.

 

2. 근접 cut-in 사건 개선

Improved recall for close-by cut-in cases by 15%, particularly for large trucks and high-yaw rate scenarios, through an additional 30k auto-labeled clips mined from the fleet. Additionally, expanded and tuned dedicated speed control for cut-in objects.
“차량에서 추가로 채굴한 3만 개의 자동 라벨링 클립을 통해 (특히 대형 트럭과 헤딩 속도가 빠른 시나리오에서), cut-in하는 사례에 대한 리콜을 15% 개선했습니다. 또한, cut-in 물체에 대한 전용 속도 제어를 확장하고 조정했습니다.”

 

→ cut-in하는 물체의 motion prediction은 어려운 task 중 하나입니다. 위의 문장을 보면, 물체에 대한 velocity profile을 들고있는 것으로 보이는데, 데이터를 기반으로 parameter 최적화를 수행하고 있는 것으로 보입니다.

 

 

3. 룰에서 벗어나는 행동 알고리즘

Improved the position of ego in wide lanes, by biasing in the direction of the upcoming turn to allow other cars to maneuver around ego.

“넓은 차선에서 다른 차량이 에고 주위로 기동할 수 있도록 다가오는 회전 방향(좌회전, 우회전 등등)에 편향하여 에고의 위치를 개선했습니다.”

→ 예를 들어, 비보호 우회전을 할 때, 차선의 오르쪽으로 딱 붙는 행동을 개발한 것 같습니다. 사람들이 하는 운전과 비슷해지려고 여러 case를 분리하는 것 같습니다. 이런 경우, (실제 도로에서 자주 있는 상황인) 차선 하나에 차량이 2개가 있는 상태가 될 것 같은데, 일반적인 상황은 아닌데 edge case를 고려하여 더 효율적인 시스템을 만드려고 시도하는 것 같습니다

 

4. Handling comport  개선

Improved handling during scenarios with high curvature or large trucks by offsetting in lane to maintain safe distances to other vehicles on the road and increase comfort.

“high-곡률 또는 대형 트럭이 있는 상황에서 안전한 간격을 유지하고 편안함을 증가시키기 위해 차선에서 오프셋하여 핸들링을 개선했습니다”

 

→ 차선의 중앙을 정확하게 유지하는 것이 아니라, 일부 멀어지는 것을 허용하여 좀 더 부드러운 곡률을 만듦. 다른 방법으로는 차선을 지키도록 하고, 속도를 감속시키는 방법이 있을 것으로 생각

마찬가지로, 가장 단순한 버전의 자율주행은 정해진 길을 정확하게 추종하는 것인데, 일부 자유도를 줘서 더 부드러운 회전 경로를 구현한 것 같습니다. (일종의 인코스를 타는 것이라고 봐야할까요...) 아래는 '카트라이더' 라는 게임의 빠르게 코너를 도는 방법인데.. 비슷한 개념으로 보입니다. 1번보다는 2번 코스가 곡률이 더 적습니다.

https://m.blog.naver.com/jychae1210/221973632025 / https://m.blog.naver.com/sachiel5/222074799607

5. 차간 거리 예외

"Improved behavior for path blockage lane changes in dense traffic. Ego will now maintain more headway in blocked lanes to hedge for possible gaps in dense traffic”

교통이 혼잡한 상황에서 차간 거리를 줄이기 위해 더 많은 전진을 할 것입니다.

 

→ 차간 거리를 줄여서 다른 차가 끼어들 수 없도록 하겠다.

얼마전에 본 자료에서 같은 출발지에서 동일한 목적지로 갈 때, Waymo보다 Tesla가 더 빨리 도착한다는 글을 봤는데, 비슷한 방향성의 업데이트가 아닐까 싶습니다. 좀 더 사람같아졌다고 해야할지...

 

6. 차선 진입 개선 

Improved lane changes in dense traffic scenarios by allowing higher acceleration during the alignment phase. This results in more natural gap selection to overtake adjacent lane vehicles very close to ego.

“차선 변경 단계에서 더 높은 가속을 허용하여 교통량이 밀집된 시나리오에서 차선 변경이 개선되었습니다. 그 결과 인접 차선 차량을 추월할 수 있는 간격을 보다 자연스럽게 선택할 수 있습니다.”

 

→ 좀 더 적극적인 모션 채택.

단순한 자율주행 시스템에서는 주변 차량을 적극적으로 고려할 수 없어서, 주변 차량을 다 보내고 안전이 확보된 이후에나 진입하는 알고리즘을 많이 볼 수 있는데, 이러한 점을 점점 줄여나가는 것 같습니다.

이러한 기술이 고도화 되려면 내 행동이 주변 차량의 결정에 영향을 미친다는 점을 알아야할 텐데 game theory 등이 고려될 수도 있을 것 같습니다.

 

7. 차량 역학 계선

Reduced false offsetting around objects in wide lanes and near intersections by improving object kinematics modeling in low speed scenarios.

“저속 시나리오에서 물체 운동학 모델링을 개선하여 넓은 차선 및 교차로 근처의 물체 주변에서 잘못된 오프셋을 줄였습니다.”

 

→ 기본적인 수학적 모델링도 개선 중

이 부분은 이미 완전해서 더 개선할 부분이 없을 것이라고 생각했는데, 여전히 개선할 여지가 있는 것 같습니다.  tire coefficient 등을 더 고도화 했을 수도 있겠네요.

 

이번 note를 봤을 때는, 주변 환경과의 상호작용, 특히 내 행동이 주변 환경에 미치는 영향 등을 고려하는 방향으로 연구를 하고 있지 않을까 싶습니다. 22년도 IROS에 참석했을 때, game theory를 활용한 논문이 몇 개 보였는데, 비슷한 방향성이 아닐까 싶습니다.

 

 

"세상의 자동화 통해, 인류가 더 이상 원하지 않는 노동을 하지 않아도 되는 세상을 가져오고 싶습니다"