Optimus – Autopilot 기술을 기반으로 범용성이 뛰어난 Humanoid 테슬라는 이번 AI Day 에서 Optimus 로봇의 Prototype 을 선보임. 로봇의 이미지 인 식과 Neural Network 는 기존의 자율주행 Neural Network 에 기반을 뒀으며, 이를 통해 사물에 대한 고도화된 식별과 학습이 가능. 사람의 신체구조에서 착안한 28개 의 Actuator 와 Joint 를 Tesla 가 자체적으로 설계 및 제작함. 하드웨어는 다소 기대 에 미치지 못했지만, Autopilot 기술을 기반으로 한 소프트웨어 구성을 고려할 때 준 비기간 대비 높은 완성도로 평가됨. 테슬라는 향후 대량 양산을 통해 대당 2만 달러 에 판매할 것이라 밝힘 Autopilot – 데이터와 고도화된 AI 를 기반으로 만들어 나가는 경쟁우위 Autopilot 이용자는 2021 년 2천명에서 2022년 16 만명까지 증가하며 데이터 수집 측면에서 동사의 우위를 확실시함. S/W 측면에서도 가능성이 높은 상황에 연산을 집중함과 동시에, Neural Planner(신경망 계획법)을 통해 기존의 수치적 최적화 방식 대비 10 배 이상 빠른 100 마이크로 초 단위 이내의 속도로 자동제어 경로를 생성. 또한 3 차원 형상 복원을 기반으로 한 새로운 Auto labeling machine 을 개발해 2019 년 5 백만 시간이 소요되던 수동 라벨링 작업을 12 시간으로 단축함. 주행 데이 터가 수집된 지역의3D 자동 라벨링이 완성될 경우, 우천 시나 야간 등 운전이 어려 운 상황에도 자율주행기능이 완벽하게 작동할 수 있음을 자신함. 소스 확보가 어려 운 상황에 대한 3D 시뮬레이션 생성은 기존에 2 주 이상 걸리는 느린 작업이었지만, 테슬라 시뮬레이션 팀은 Simulation World Creator 를 통해 이 과정을 5 분으로 단 축했으며, 버튼 클릭만으로 주변 배경과 차선 내 상황변수들을 새로 생성하는 것이 가능해짐. 타일 단위로 생성된 시뮬레이션을 전체 지역 단위로 확장하는 작업시간 또한 획기적으로 단축하여, 기계 학습을 위한 데이터 작업 시간을 최대한으로 단축 하기 위한 H/W, S/W 뿐만 아니라 다양한 측면에서의 성과를 확인할 수 있었음 DOJO Project – 최적화된 H/W 가 뒷받침하는 데이터 수집과 기계학습 2021 년 AI Day 에서 소개된 Dojo 프로젝트의 핵심은 25 개의 D1 칩으로 구성된 Training Tile 이었음. 올해는 Training Tile 의 연결을 기반으로 한 Dojo Interface processor 와 Dojo 캐비닛 완성품을 영상으로 공개. 2023 년 1 분기 공식 출시되는 Dojo H/W 는 엔비디아 A100 GPU 대비 데이터 라벨링은 3.2 배, Occupancy Network 는 4.4배 빠른 속도로 처리해, 데이터 로딩 시간을 대폭 단축한 것이 핵심. 데이터 라벨링 작업시 기존 GPU rack 72 개로 수행하던 기계학습 작업을 4 개의 Dojo 캐비닛으로 대체 가능하여 성능 개선과 비용 측면의 효율화를 동시에 달성