[26년 6월] 네이버클라우드❤️엔비디아, 둘이 무슨 사이야?
X
X


AWS와 NVIDIA Isaac으로 Physical AI를 시뮬레이션과 실세계 학습으로 나눠 가속화하는 아키텍처를 소개했습니다. 엣지 배포와 운영 데이터 재학습을 통해 sim-to-real gap을 줄이는 방법을 설명했습니다.


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


AWS에서 NVIDIA Cosmos WFM을 활용해 Physical AI용 합성 데이터를 생성하는 방법을 소개했습니다. 실시간 EKS 배포와 배치 AWS Batch 배포의 두 가지 프로덕션 아키텍처를 비교했습니다.


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.


KubeVirt GPU VM에 PCoIP Graphics Agent를 연동해 원격 그래픽 가속 환경을 구성했습니다. 또한 Air-Gap 환경용 오프라인 라이선스 서버와 GPU 최적화 설정을 적용했습니다.


KubeVirt GPU VM에 PCoIP Graphics Agent를 연동해 원격 그래픽 환경을 구축했습니다. 또한 Air-Gap 환경용 오프라인 라이선스 서버를 설치해 내부망에서도 정상 인증되도록 설정했습니다.


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.


물리 시뮬레이션에서 time step이 정확도와 안정성, 효율성에 큰 영향을 준다고 설명했습니다. 너무 크면 시뮬레이션이 불안정해지고 너무 작으면 계산이 비효율적이라고 정리했습니다.


NeMo Guardrails는 LLM 응답을 YAML 또는 Python 규칙으로 제어하는 오픈 소스 툴킷입니다. 안전한 응답 필터링과 비즈니스 규칙 적용 예시를 함께 소개했습니다.