NVIDIA는 자율주행차, 로보틱스, 시각 AI 개발을 가속화하기 위해 코스모스 3 플랫폼을 기반으로 한 새로운 에이전트 기술 세트를 선보였습니다. 회사는 이 기술들이 개발자에게 미리 구축된 기능을 제공해 AI 에이전트가 복잡한 실제 환경에서 특정 작업을 처리할 수 있게 한다고 설명했습니다.
제공되는 에이전트 기술
이 에이전트 기술은 자율 시스템에 필요한 핵심 기능인 인식, 항법, 물체 조작, 장면 이해를 포괄합니다. 개발자들은 이러한 기능을 처음부터 구축하는 대신 미리 준비된 기술을 바로 적용할 수 있습니다. NVIDIA에 따르면, 이 접근 방식은 자동차, 로봇, 카메라용 AI 모델의 훈련 및 배포 시간을 단축시킵니다.
이 기술은 주로 세 가지 분야에 맞춤화되어 있습니다. 자율주행차 분야에서는 차선 감지, 보행자 추적, 교차로에서의 의사결정을 지원합니다. 로보틱스 분야에서는 물체 잡기, 창고 이동, 인간의 명령 응답에 초점을 맞춥니다. 시각 AI 분야에서는 영상 피드 내 물체 인식 및 이상 탐지 기능을 개선합니다.
코스모스 3: 기반 플랫폼
코스모스 3은 시뮬레이션 및 훈련을 지원하는 기반을 제공합니다. 이 플랫폼은 다양한 조명, 날씨, 지형과 같은 실제 환경의 다양한 시나리오를 처리하여 물리적 프로토타입 없이도 에이전트 기술을 테스트하고 미세 조정할 수 있습니다. NVIDIA는 코스모스 3을 수일 만에 수백만 시간의 주행 또는 보행을 시뮬레이션할 수 있는 디지털 트윈 환경으로 설명합니다.
코스모스 3은 생성된 데이터로부터 지속적으로 학습하므로 에이전트 기술은 시간이 지남에 따라 업데이트됩니다. 이는 미끄러운 물체를 잡는 로봇이 수동 코드 변경 없이도 그 잡는 능력을 개선할 수 있음을 의미합니다. 새로운 유형의 공사 구역을 마주친 자율주행차도 마찬가지입니다.
자율주행차 개발 기업의 경우, 이러한 새로운 도구는 복잡한 개발 과정을 단순화할 수 있습니다. 멈춰 있는 학교 버스나 비 오는 날의 보행자를 인식하도록 차량을 훈련시키는 데 종종 수개월의 데이터 수집 및 라벨링이 필요하지만, NVIDIA의 에이전트 기술은 이러한 예외 사례에 미리 훈련되어 있어 개발자가 높은 수준의 기반에서 작업을 시작할 수 있습니다.
또한 이 기술들은 비용이 많이 드는 하드웨어 개조의 필요성을 줄입니다. NVIDIA의 기존 자동차용 칩에서 실행되며 다양한 센서 설정에 맞게 조정 가능해, 완전한 플랫폼 재설계 없이도 자동차 제조사가 유연성을 확보할 수 있습니다.
로보틱스 및 시각 AI 응용 분야
로보틱스 측면에서 이 에이전트 기술은 산업용 및 서비스 로봇을 대상으로 합니다. 창고 로봇은 항법 기술로 복도를 이동하고 조작 기술로 다양한 모양과 크기의 물품을 처리할 수 있습니다. NVIDIA는 이 기술들이 일반적인 로봇 운영 시스템과 호환되어 통합이 간단하다고 밝혔습니다.
시각 AI 분야에서는 보안 카메라, 의료 영상, 제조 검사에 활용됩니다. 물체 인식 기술은 조립 라인의 결함을 탐지하거나 제한 구역의 침입자를 식별할 수 있으며, 코스모스 3 플랫폼에서 실행되므로 영상 데이터가 늘어날수록 성능이 지속 개선됩니다.
이 출시는 NVIDIA가 AI 에코시스템을 데이터 센터를 넘어 실제 물리적 환경으로 확장하려는 최신 전략입니다. 에이전트 기술은 현재 개발자 툴킷에 포함되어 있으며, NVIDIA 개발자 포털을 통해 접근 가능합니다. 회사는 향후 업계 행사에서 구체적인 활용 사례를 공개할 예정입니다.
