

NVIDIA와 함께 AWS에서 자율주행 3.0을 위한 End-to-End Physical AI 데이터 파이프라인 구축하기
AWS와 NVIDIA가 자율주행 3.0을 위한 End-to-End Physical AI 데이터 파이프라인을 소개했습니다. 센서 수집부터 큐레이션, 복원, 학습, 시뮬레이션 검증까지의 반복 루프를 정리했습니다.


AWS와 NVIDIA가 자율주행 3.0을 위한 End-to-End Physical AI 데이터 파이프라인을 소개했습니다. 센서 수집부터 큐레이션, 복원, 학습, 시뮬레이션 검증까지의 반복 루프를 정리했습니다.

피지컬 AI가 현실 세계에서 인식·판단·행동하는 차세대 패러다임으로 소개되었습니다. 휴머노이드, 자율주행, 스마트 팩토리 등 적용 분야와 함께 안전성·윤리 과제도 짚었습니다.


NVIDIA Cosmos는 피지컬 AI를 위한 World Foundation Model로, 예측·전이·추론의 세 가지 모델을 제공합니다. 합성 데이터 생성과 검증을 통해 자율주행과 로봇 학습의 안전성과 효율성을 높였습니다.


NVIDIA Cosmos는 피지컬 AI를 위한 WFM으로, 예측·전이·추론 모델을 통해 합성 데이터와 검증 파이프라인을 제공합니다. 자율주행과 로봇 학습의 데이터 부족, 안전 리스크, 운영 비용을 줄이는 활용 방식을 설명했습니다.
if(kakao)25에서 카카오모빌리티가 자율주행 AI와 경로탐색, AI 업무 자동화 사례를 공유했습니다. 실서비스 적용과 기술 교류를 함께 강조한 행사 리뷰였습니다.

자율주행 AI 모델 학습에서 합성데이터 활용을 주제로 현업의 고민을 정리한 글입니다. AI 시대의 데이터와 학습 데이터 관점을 함께 다루었습니다.

기존 거리뷰의 평면 이미지 한계를 디지털 트윈과 3D 복원 기술로 보완한 사례를 소개했습니다. 자체 매핑 장비와 파이프라인으로 공간 정보 자동화와 서비스 경험 향상을 이끌었습니다.


AI가 자동차 산업 전반을 자율주행과 개인화, 예측 유지보수로 바꾸는 흐름을 소개했습니다. 또한 에이닷 오토의 진화 방향과 차량 내 AI 비서 고도화 계획을 설명했습니다.


생성 AI와 LLM이 자동차에 들어오며 차량 상태 안내, 대화형 어시스턴트, 경로 추천 같은 개인화 기능이 확장되고 있습니다. 또한 비전과 LLM 결합으로 자율주행과 실내 인식의 정확도를 높일 가능성을 보여줍니다.