로보틱스 시뮬레이션
물리 AI 기반 로봇 및 다중 로봇을 대규모로 시뮬레이션, 테스트 및 검증합니다.
워크로드
로보틱스
시뮬레이션 / 모델링 / 설계
산업
제조
스마트 시티 / 공간
소매 / 소비재
헬스케어 및 생명과학
비즈니스 목표
혁신
제품
NVIDIA Isaac Sim
NVIDIA Omniverse
개요
로봇 시뮬레이션이란 무엇입니까?
AI 기반의 물리적 로봇과 로봇 집단은 실제 세계에서 복잡한 작업을 자율적으로 감지, 계획 및 수행할 수 있어야 합니다. 여기에는 동적이고 예측할 수 없는 환경에서 물체를 안전하고 효율적으로 운반하고 조작하는 것이 포함됩니다.
이러한 수준의 자율성을 달성하기 위해서는 '시뮬레이션 우선(sim-first)' 접근 방식이 필요합니다.
로봇 시뮬레이션은 로봇 개발자가 가상 로봇 학습과 테스트를 통해 이러한 고급 시스템을 훈련, 시뮬레이션 및 검증할 수 있도록 해줍니다. 이 시뮬레이션 우선 접근 방식은 다중 로봇 플릿 테스트에도 적용되며, 자율 시스템이 실시간 생산 데이터와 센서 입력, 추론을 기반으로 산업 시설을 이해하고 상호 작용할 수 있도록 지원합니다. 이 모든 것은 배포 이전에 창고나 공장 등을 물리 기반 디지털 방식으로 구현한 환경에서 이루어집니다.
왜 시뮬레이션을 해야 할까요?
부트스트랩 AI 모델 개발
실제 데이터가 제한되거나 한정적일 때 디지털 트윈 환경에서 생성된 합성 데이터를 이용한 부트스트랩 AI 모델을 학습합니다.
테스트 확장
단일 로봇 또는 여러 대의 산업용 로봇을 다양한 조건과 구성에서 실시간으로 테스트합니다.
비용 절감
로봇 성능을 최적화하고 테스트 및 검증에 필요한 물리적 프로토타입의 수를 줄입니다.
안전한 테스트
사람의 안전을 해치거나 장비를 손상시키지 않고 잠재적으로 위험한 시나리오를 안전하게 테스트합니다.
기술적 구현
로보틱스 시뮬레이션으로 구동되는 워크플로우
로봇 두뇌 훈련
시뮬레이션은 합성 데이터 생성(SDG)을 활용해 파운데이션 및 로봇 정책 모델의 조기 훈련을 촉진하고, 새로운 활용 가능성을 실현합니다. 이러한 데이터에는 텍스트, 시각적 및 비시각적 스펙트럼의 2D 또는 3D 이미지, 실제 데이터와 결합 가능한 모션 데이터까지 포함되어, 멀티모달 물리 AI 모델 훈련에 활용될 수 있습니다.
도메인 무작위화는 SDG 워크플로우의 핵심 단계로, 장면 내의 수많은 매개변수를 변경하여 다양한 데이터세트를 생성할 수 있습니다. 여기에는 사물의 위치부터 색상, 질감, 조명 등 모든 것이 포함될 수 있습니다. NVIDIA Cosmos™ 월드 파운데이션 모델(WFM)을 활용한 후처리 증강은 생성된 데이터를 더욱 다양화하고, 시뮬레이션과 실제 환경 간의 간극을 줄이기 위한 사실감을 부여하는 데 사용될 수 있습니다.
로봇의 디지털 놀이터 학습 지원
로봇 학습은 오토노머스 머신이 실제 환경에서 강력한 기술을 반복적이고 효율적으로 수행할 수 있도록 보장하는 데 중요합니다. 높은 충실도의 시뮬레이션은 로봇이 시행착오 또는 모방을 통해 기술을 연마할 수 있는 가상 훈련장을 제공합니다. 이를 통해 시뮬레이션에서 학습된 로봇의 행동을 현실 세계에 더 쉽게 적용할 수 있습니다.
NVIDIA Isaac™ Lab은 NVIDIA Isaac Sim을 기반으로 구축된 로봇 훈련을 위한 오픈 소스 통합 모듈식 프레임워크로, 강화 학습, 시연 기반 학습, 모션 계획 등의 로봇 훈련 과정을 보다 간편하게 구현할 수 있습니다.
NVIDIA Cosmos를 기반으로 구축된 NVIDIA Isaac GR00T-Mimic 및 GR00T-Dreams Blueprint는 훈련을 위한 대규모의 다양한 합성 모션 데이터세트를 생성합니다.
이러한 데이터세트는 Isaac Lab 내에서 Isaac GR00T N 오픈 파운데이션 모델을 훈련하는 데 활용하여, 휴머노이드 로봇의 범용적인 추론 능력과 견고한 기술 획득을 지원합니다.
로봇 테스트 및 검증
단일 로봇 테스트
Software-in-loop(SIL)는 물리적 AI 기반 로봇 시스템을 위한 소프트웨어 개발에서 중요한 테스트 및 검증 단계입니다. SIL에서 로봇을 제어하는 소프트웨어는 실제 하드웨어가 아닌 시뮬레이션 환경에서 테스트됩니다.
SIL 시뮬레이션은 센서 입력, 액추에이터 역학, 환경과의 상호작용 등 실제 물리 현상을 정밀하게 모델링합니다. Isaac Sim은 로봇 소프트웨어 스택이 시뮬레이션에서 물리 로봇과 동일하게 작동하는지 개발자가 테스트하는 데 필요한 기능을 제공하여, 테스트 결과의 유효성을 높여줍니다.
다중 로봇 플릿 테스트
SIL은 단일 로봇을 넘어 로봇 플릿으로도 확장될 수 있습니다. 창고 및 기타 산업 시설은 수요 변동, 공간 제약, 인력 가용성 등의 문제를 안고 있는 매우 복잡한 물류 환경입니다. 이러한 환경은 운영을 지원하기 위한 로봇 시스템 플릿을 통합함으로써 효율성을 높일 수 있습니다.
Mega는 실제 시설에 배포하기 전에 디지털 트윈에서 물리 AI 및 로봇을 대규모로 개발, 테스트 및 최적화할 수 있는 NVIDIA Omniverse™ Blueprint입니다. 기업은 모든 로봇 활동과 센서 데이터를 조정하는 월드 시뮬레이터를 포함한 Mega 기반 디지털 트윈을 통해, 로봇 두뇌를 지속적으로 업데이트하여 지능형 경로 설정과 작업 수행으로 운영 효율성을 높일 수 있습니다.
로보틱스 워크로드 조정
합성 데이터 생성, 로봇 학습, 로봇 테스트는 상호 의존성이 높은 워크플로우이며 이기종 인프라 전반에 걸쳐 신중한 오케스트레이션이 필요합니다. 또한 로봇 워크플로우는 인프라 설정을 간소화할 수 있는 개발자 친화적 사양, 데이터 및 모델 이력을 쉽게 추적하는 기능, 그리고 안전하고 효율적인 워크로드 배포 방식이 필요합니다.
NVIDIA OSMO는 온프레미스, 프라이빗, 퍼블릭 클라우드 전반에서 복잡한 다단계 및 다중 컨테이너 로보틱스 워크로드를 확장할 수 있는 클라우드 기반 오케스트레이션 플랫폼을 제공합니다.
퀵 링크