엔비디아 알파짐 고처리량 폐쇄 루프 강화학습 프레임워크, 실제 도로 배포 앞서 시뮬레이션 훈련 환경 제공
엔비디아가 추론 기반 VLA(vision language action) 모델인 엔비디아 알파마요 2 슈퍼(Alpamayo 2 Super)를 공개했다.
업체 측에 따르면, 320억 개의 파라미터를 갖춘 알파마요 2 슈퍼는 오픈 AI 모델, 시뮬레이션 프레임워크, 피지컬 AI 데이터셋으로 구성된 엔비디아 알파마요 제품군을 확장한 모델로, 안전한 레벨 4 로보택시 개발을 지원한다.
해당 모델과 더불어 엔비디아는 실제 데이터 수집부터 폐쇄형 루프 훈련, 차량 내 배포에 이르는 전체 파이프라인을 완성하는 새로운 도구, 모델, 에이전트 기술도 공개했다. 여기에는 엔비디아 알파짐(AlpaGym), 엔비디아 옴니드림스(OmniDreams), 엔비디아 옴니버스 뉴렉(Omniverse NuRec)의 새로운 모델들이 포함된다.
알파마요 2 슈퍼는 자율주행의 핵심 인프라를 처음부터 완전히 새로 구축해야 하는 부담을 없애 자율주행차(AV) 개발을 가속화한다. 이 모델은 인간과 유사한 인식, 추론, 행동을 가능하게 하며, 안전성 검증과 규제 당국과의 협업에 필요한 이해를 제공한다고 업체 측은 전했다.
알파짐 프레임워크는 실제 도로 주행을 위한 모델 훈련을 더욱 효과적으로 수행할 수 있는 폐쇄형 강화학습(RL)용 플랫폼을 제공한다. 엔비디아 옴니드림스는 사실적인 폐쇄형 자율주행 시나리오 생성을 위한 생성형 월드 모델을 통해 드물게 발생하는 롱테일(long-tail) 주행 시나리오를 대규모로 시뮬레이션할 수 있도록 지원한다는 설명이다.
엔비디아는 개발자의 생산성을 높이기 위해 자사의 모든 자율주행차 개발 도구에 피지컬 AI 에이전트 기술을 제공하고 있다. 예를 들어, 엔비디아 옴니버스 뉴렉 기반의 뉴럴 리컨스트럭션(Neural Reconstruction) 기술은 실제 차량 주행 시나리오를 시뮬레이션에 활용해 대규모의 합성 훈련 데이터를 생성한다.
엔비디아 창립자 겸 CEO 젠슨 황(Jensen Huang)은 “알파마요는 자동차가 단순한 주행을 넘어 안전한 추론을 시작하는 전환점이다”며, “전 세계 로보택시 생태계가 극한 상황을 이해하고, 의사결정을 설명하며, 신뢰를 얻고, 수백만 대의 차량으로 안전하게 확장할 수 있는 레벨 4 기능을 개발할 수 있도록 오픈 모델, 시뮬레이션, 실제 데이터, 에이전트 기술을 제공하는 곳은 오직 엔비디아뿐”이라고 말했다.
추론 기반 자율주행차를 위한 알파마요 2 슈퍼 출시
알파마요 2 슈퍼가 추가되면서 엔비디아 알파마요 제품군의 파라미터 또한 100억 개에서 320억 개로 확장됐다. 알파마요 2 슈퍼는 단순한 주행 경로 생성을 넘어 전체 주행 스택 전반에서 추론, 계획, 실행 기능을 지원한다. 여기에는 추론, 자동 레이블링, 장면 이해, 모델 평가, 소형 모델로의 지식 정제 등 멀티 태스크 역량을 탑재해 확장 가능한 레벨 4 자율주행차의 개발과 배포를 위한 핵심 기반을 제공한다고 업체 측은 밝혔다.
알파마요 2 슈퍼는 현재까지 엔비디아가 개발한 가장 강력한 자율주행 파운데이션 모델로 자리매김했다. 교사 모델(teacher model)로 설계된 알파마요 2 슈퍼는 차량 내부에 탑재된 엔비디아 드라이브 하이페리온™(DRIVE Hyperion™) 플랫폼의 가속 컴퓨팅 환경에서 실행되는 엔비디아 드라이브 AGX 토르™ (DRIVE AGX Thor™)와 같은 소형 모델로 압축될 수 있다는 것이다.
엔비디아 알파마요 1 나노(Alpamayo 1 Nano)와 엔비디아 알파마요 1.5 나노(Alpamayo 1.5 Nano) 등의 100억 파라미터 모델에서 알파마요 2 슈퍼의 320억 파라미터 모델로 확장됨에 따라, 알파마요 기반의 자율주행차 스택은 각 제조사가 완전히 처음부터 새로 구축할 필요 없이 단일 오픈소스 릴리스만으로도 고품질의 추론과 인식 성능을 적용할 수 있다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
