AI
AWS와 NVIDIA로 Physical AI 가속화: 시뮬레이션과 실제 학습을 통한 프로덕션 레디 애플리케이션 구축
두줄요약
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.
핵심 내용
- Physical AI를 물리 세계와 상호작용하는 지능형 에이전트로 정의
- AWS와 NVIDIA Isaac 기반으로 시뮬레이션 학습과 실세계 학습을 결합한 레퍼런스 아키텍처 소개
- sim-to-real gap을 줄이기 위한 배포, 모니터링, 재학습 루프와 산업 조립 사례 제시
구조와 흐름
- Isaac Sim과 Isaac Lab으로 시뮬레이션에서 정책 학습과 병렬 훈련 수행
- AWS Batch, S3, ECR로 GPU 워크로드와 모델 자산 관리
- IoT Greengrass, IoT Core, Firehose, Kinesis Video Streams, SageMaker AI로 엣지 배포와 운영 데이터 기반 재학습
선택 이유
- 시뮬레이션으로 비용과 안전 문제를 줄이면서 대규모 실험 가능
- 실제 데이터로 마찰, 센서 노이즈, 환경 변동 같은 시뮬레이션 한계 보완
- 운영 중 드리프트 감지와 자동 재학습으로 지속 개선 가능