지금 (@12/3/2021) 많은 데이터 구축 스타트업들이 '자율주행을 위한 데이터셋 구축 저희가 해 줄게요' 라고 홍보하고 있지만, 이것은 Autonomy 2.0 을 만들기 위한 관점에서는 과연 올바른 길일까? 하는 의문이 든다.
어떤 자율주행 스타트업 A 가 3D 데이터가 필요하다고 할 때, 스타트업 B 에게 HD Map 을 요청하는 상황을 상상해 보자. 스타트업 B 는 HD Map 을 구축하는 1 개의 MMS (참고2, Mobile Mapping System) 장비를 가지고 전국 곳곳을 돌아다니며 데이터를 따낸다. 여기서 문제가 생긴다. N 개의 플릿을 운영하는 회사 A 가 1 개의 MMS 장비에 의존하는 셈이다 (참고1). 사실 지금까지도 이런 시도들은 많았는데, 많은 회사들이 아직 이렇게 하고 있기도 하고 연구에도 이런 방식을 사용했다 (참고5). 이것이 극복이 안 되는 사례는, A 의 플릿은 카메라만 사용하는데, B 의 MMS 는 라이다와 카메라를 동시에 사용하는 경우가 그러하다 (참고2). 도로에 돌아다니는 A 의 자동차가 아무리 많아져도, 데이터 수집 역량을 강화하는 것에는 별로 도움이 안 된다.
그래도 아래의 경우에는 Mobility (Fleet) 과 유사한 형태를 가지고 있다는 점에서 높은 점수를 줄 수 있지 않을까?
그림 (참고5)
그래서 나는 디어가 나아가야 할 방향이 'MMS as a Fleet' 또는 'Mobility as a MMS' 이라고 추상화(참고4:추상화) 하고 싶다. MMS 장비는 Fleet 의 역할(여객의 관점에서는 모빌리티의 역할) 을 동시에 수행할 수 있어야 한다. 이것은 생소한 개념이 아니다. 테슬라, 우버, 웨이모, 포티투닷의 접근 방향이 그러하다.
카메라만 사용한다는 확장성 면에서는 테슬라와 포티투닷이 단연 압권이다. 실제로 포티투닷은 UMOS Day 2021 에서 'Continuous Learning Pipeline' 이라는 이름으로 피드백 루프(참고7) 구성 개요를 흘려 주었다. 실제로 Product 가 곧장 Data collector 가 되는 구조라는 것을 볼 수 있다 (참고6). 테슬라는 포티투닷보다 조금 더 많은 내용을 공개했는데 이 글에서 말하고자 하는 핵심은 '데이터 엔진' 으로부터 들어오는 데이터는 실제 서비스 중인 차량으로부터 들어오게 된다는 것이다 (참고10).
이런 'Mobility as a MMS' 플랫폼 구축은 B2C 영업을 하고 있는 기업만 할 수 있다. 전국에 10K 개의 킥보드를 가지고 있는 디어는 Autonomy 2.0 를 위한 강점을 가지고 있는 셈이다.
여담
나의 가설이지만 세그웨이의 T60 lite 의 방향성도 이것과 비슷하다고 생각한다 (참고3).
참고