엔비디아의 물리 AI 연구 성과 발표와 범용 모델 공개

주장엔비디아는 물리 인공지능(AI) 분야에서 대규모 학습을 통해 다양한 환경에 범용적으로 적용 가능한 시스템 구축을 목표로 합니다. 로봇과 자율주행차, 가상 에이전트가 새로운 상황에서 즉각적으로 대응하는 능력을 확보하는 것이 핵심입니다.

팩트엔비디아는 최근 열린 컴퓨터 비전 및 패턴 인식 학회(CVPR)에서 그라스프젠-엑스(GraspGen-X), 엘씨드라이브(LCDrive), 나이트로젠(NitroGen)이라는 세 가지 핵심 연구 논문을 발표했습니다. 이 기술들은 각각 로봇 파지, 자율주행 추론 속도 개선, 가상 환경 내 에이전트 학습을 담당합니다.

팩트그라스프젠-엑스는 세계 최초의 제로샷 파지 파운데이션 모델로, 20억 개의 시뮬레이션 데이터를 학습했습니다. 이 모델은 특정 그리퍼에 종속되지 않으며, 처음 보는 물체와 새로운 형태의 그리퍼에도 즉시 대응합니다.

교차검증기존 로봇 파지 기술은 특정 그리퍼에 맞춰 개별적으로 학습해야 하는 한계가 있었습니다. 새로운 그리퍼를 도입할 때마다 재학습과 검증 과정이 필요했으나, 그라스프젠-엑스는 이러한 병목 현상을 제거했습니다.

팩트자율주행을 위한 엘씨드라이브 모델은 텍스트 기반의 추론 대신 압축된 잠재 표현을 사용하여 연산 효율을 높였습니다. 이는 차량 내 하드웨어에서 더 빠르게 의사결정을 내릴 수 있도록 설계되었습니다.

교차검증텍스트 기반의 사고 과정은 토큰 생성 속도 문제로 인해 실시간 자율주행 하드웨어에서 지연이 발생할 위험이 있습니다. 엘씨드라이브는 토큰 사용량을 절반으로 줄이면서도 기존과 유사한 수준의 궤적 품질을 유지합니다.

팩트나이트로젠은 엔비디아의 아이작 지알제로제로티(Isaac GR00T) 아키텍처를 기반으로 하는 범용 게임플레이 AI 파운데이션 모델입니다. 1,000개 이상의 게임과 4만 시간의 상호작용 데이터를 학습하여 가상 환경에서 에이전트의 적응력을 높였습니다.

팩트나이트로젠을 활용한 에이전트는 새로운 환경에서 이전 최고 수준의 방법론 대비 성능이 최대 52% 향상되었습니다. 이 모델은 현재 깃허브와 허깅페이스를 통해 오픈 소스로 공개되어 연구자들이 활용할 수 있습니다.

주장물리 AI의 발전은 로봇이 가사 노동을 돕거나 자율주행차가 복잡한 도로 상황을 더 안전하게 판단하는 데 기여합니다. 가상 세계에서의 대규모 학습은 실제 물리 세계의 복잡성을 해결하는 중요한 징검다리 역할을 합니다.

출처엔비디아 공식 블로그를 통해 해당 연구 성과를 교차 검증했습니다. https://blogs.nvidia.com/blog/cvpr-research-grasping-driving-agent-training/