NVIDIA 자동차 사업부는 2025년에 출시될 자동차를 위해 설계된 Thor라는 새로운 프로세서를 공개했습니다. 중국 자동차 제조업체 Zeekr의 EV를 시작으로 Thor가 공급될 가능성이 높다고 밝혔습니다.
자율주행 자동차 업계에서 가장 유명한 것은 테슬라지만, NVIDIA 인프라가 있다면 타사에서 LV. 4~5 자율주행 능력을 가장 먼저 완성하는 것도 어려운 일은 아닐 것입니다. 이 글에서는 NVIDIA가 자율주행 자동차 업계에 두각을 드러내는 방법에 대해 소개합니다.
자율주행에 필요한 기술
자율주행 구축을 위해서는 기본적인 기술이 몇 가지 필요합니다.
- 딥러닝 기반 인식: 방대한 양의 레이블이 지정된 데이터를 학습하여 차량, 보행자, 교통 표지판과 같은 물체를 감지하고 분류하여 주변 환경을 이해하고 정보에 입각한 의사결정을 내릴 수 있음
- 센서 융합: NVIDIA DRIVE 소프트웨어는 다양한 센서 데이터를 융합하여 환경을 포괄적이고 강력하게 표현함으로써 차량의 인식 기능을 개선
- mapping & Localization: 주변 환경 내에서 차량의 위치를 정확하게 파악함으로써 차량이 정밀하게 내비게이션을 수행하고 위치와 궤적을 정확하게 인식할 수 있음
- 경로 계획 및 제어: 교통 규칙, 도로 상황, 주변 차량 및 보행자 행동과 같은 요소를 고려하여 차량의 동작을 최적화하고 부드럽고 안정적인 주행을 보장하며, 안전하고 효율적인 이동 경로를 결정
왜 NVIDIA DRIVE 가 필요할까?
차량용 AI 슈퍼 컴퓨터
2015년 1월, NVIDIA는 자율주행차 개발을 지원하는 이미지 처리 솔루션 DRIVE PX를 공개했습니다. 1년 뒤에는 세계 최초 ‘차량용 AI 슈퍼 컴퓨터’라고 주장하는 DRIVE PX2를 출시했죠.
DRIVE PX2는 NVIDIA의 GPU와 딥러닝 알고리즘을 사용하여 회사의 자동차 파트너가 자율주행 솔루션을 개발하도록 지원하는 솔루션입니다. NVIDIA는 Thor로 대표되는 강력한 GPU를 통해 수년에 걸쳐 자동차 AI 기술을 구축했습니다.
개발 흐름에 따른 변화
개발 흐름이 Model 기반 학습에서 Data 기반 학습으로 변경되면서, 최근 GPU의 성능에 대한 관심이 지대해졌습니다. 이에 따라 NVIDIA의 GPU 인프라는 자율주행 개발에 큰 도움을 주게 되었습니다.
NVIDIA는 고성능 컴퓨팅 및 이미지, AI 분야에서 수십 년간 축적된 경험을 토대로 자율주행을 위한 엔드 투 엔드 플랫폼을 구축했습니다. 이를 통해 대규모 자율주행 차량 개발에 필요한 시스템을 제공하게 되었죠. 이 부분은 나중에 따로 다룰 예정인 테슬라의 FSD 와 기술 발전의 흐름을 관측하는 재미도 있는 부분입니다.
NVIDIA DRIVE는 개발자에게 자율주행에 필요한 모든 빌딩 블록과 알고리즘 스택을 제공합니다. 이를 통해 최첨단 AV 애플리케이션을 보다 효율적으로 구축하고 배포할 수 있게 되었습니다.
NVIDIA DRIVE, 자율주행 기술 개발 여정
NVIDIA Drive Thor는 최대 2,000테라플롭의 성능을 달성하고 각종 엔터테인먼트를 단일 아키텍처로 통합하였습니다. 5nm Ada Lovelace 아키텍처를 기반으로 하여, NVIDIA의 1세대 드라이브 플랫폼에 비해 크게 향상된 성능을 보이고 있죠. 이를 통해 효율성을 높이고 전체 시스템 비용을 낮추는 성과를 거두었습니다.
또한, 클라우드 기반 시뮬레이션 플랫폼을 구축하여 가상 자동차를 운행하며 얻은 센서 출력 정보를 생성할 수 있게 되었습니다. 비트 단위의 실시간 하드웨어인더루프(HIL) 개발과 테스트가 이루어질 수 있도록 데이터 처리의 인프라를 구축한 것이죠.
전문가들은 NVIDIA 시뮬레이션 플랫폼에 대해, 자율주행 자동차 소프트웨어에서 다양한 시스템의 복잡한 상호의존성을 정확히 모델링했다는 점에 높은 점수를 주고 있습니다. 시뮬레이션 플랫폼 안에서 모든 것들이 실시간으로 진행되며, 타이밍과 성능 정확도를 보장할 수 있게 되었죠.
NVIDIA는 자율주행 솔루션 판매를 통해 성과를 기록했습니다. 또한 전기 자동차 제조업체를 위한 컴퓨팅 솔루션과 AI 콕핏 솔루션 판매 등을 통한 강세에 힘 입어 자동차 시장에서 눈에 띄는 성장세를 기록하고 있습니다.
NVIDIA DRIVE 가 자율주행에 데이터를 활용하는 방법
3D 맵핑
위 영상처럼 자율주행 시뮬레이션을 구축하려면 주행 환경을 실제와 같이 구현하는 것이 중요합니다. NVIDIA Omniverse 협업 플랫폼을 사용하면, 고도의 정확도를 갖춘 3D 환경을 구축하는 콘텐츠 크리에이션 파이프라인을 생성할 수 있습니다.
주행 환경과 유사성을 가지고 있을 뿐만 아니라, 실제 환경에서 차량의 센서가 반응하는 것과 동일하게 다양한 소재별 특성도 적용되어 있습니다.
센서데이터 재생성
높은 정확도의 주행환경을 구현한 뒤, 충실도가 높은 개발과 테스트를 위해서는 높은 정확도의 센서 데이터가 필요합니다.
센서 모델에는 자율주행 테스트용 차량에 기본적으로 사용되는 장치가 포함되어 있습니다. 카메라 데이터의 경우, 이미지 파이프라인은 차량에 적용된 카메라 렌즈의 특성에 따라 변형된 이미지를 렌더링하면서 작동합니다.
자동차 행동 모델링
제어 신호가 차내 컴퓨터에 전송되면, 최종적으로 자동차는 실제 차량처럼 반응해야 합니다. NVIDIA는 시뮬레이션 플랫폼에서 차량의 반응과 같은 디테일을 포함한 모든 움직임을 제대로 모방하여 구현했습니다.
그 외에도, 자동차 역학은 정확한 센서 데이터 생성에도 핵심적인 역할을 하고 있습니다. NVIDIA가 자율주행에 데이터를 활용하는 자세한 방법이 궁금하시다면 NVIDIA 블로그를 참고하세요.
NVIDIA DRIVE SIM
NVIDIA DRIVE SIM은 실제 세계의 교통 데이터를 메타버스로 옮겨 자율주행 시뮬레이션을 구축하는 도구입니다. AI 기술로 3D 에셋, 시나리오 등 시뮬레이션에 필요한 핵심 구성 요소를 자동으로 추출합니다. 이후, 필요에 따라 조작 가능한 시뮬레이션 장면으로 재구성되죠.
테슬라의 신차 99% 이상에 부착된 EDR 리코더와 SD카드에 저장된 게이트웨이 로그, 차량에 부착된 센서 데이터와 트립 로그 등 테슬라는 방대한 데이터를 사용자로부터 수집합니다. 이를 통해 오토파일럿이나 FSD 기능을 개발하고 있죠. 일반적인 기업이 자율주행 업계에 쉽게 뛰어들지 못하는 것은, 테슬라 수준의 자율주행 데이터를 수집하기가 어렵기 때문입니다.
하지만 NVIDIA Omniverse를 통해 시뮬레이션을 구동하면 풍부한 그래픽 및 AI 성능을 기존 클라우드 서비스처럼 이용할 수 있습니다. 옴니버스 자율주행 시뮬레이션을 이용하면, 도로 주행 데이터가 부족했던 완성차 업체가 테슬라를 추격할 수 있을 것이라는 전망입니다. NVIDIA의 자율주행 인프라를 자동차 제조사에 공급하면 ‘테슬라 따라잡기’도 충분히 가능한 일일 것입니다.
결론: 자율주행 인프라 구축보다는, 서비스 특징이 중요
테슬라의 CEO Elon Musk는 곧 회사의 자동차가 사람의 도움 없이 스스로 운전할 수 있을 것이라고 예측하지만, 사실 이 예측은 9년 전부터 시작된 이야기입니다. 아직 주류가 되기에는 멀었다는 것이 전문가들의 입장입니다.
또한, AI, 데이터, 제조, 배터리, 유통망까지 전체를 아우르는 테슬라의 수직계열화 전략을 억지로 따라하다가 수익성 악화로 큰 어려움을 겪고 있는 완성차 업체도 많아지고 있습니다. NVIDIA DRIVE의 자율주행 플랫폼은 자율주행이 아직 완벽하게 구현되지는 않은 상황에서, 자동차 제조업체는 NVIDIA의 등장으로 자율주행 데이터 구축에만 집중할 수 있는 환경이 만들어졌다고 보고 있습니다. 실제로, NVIDIA의 첨단 기술로 구동되는 자율주행 자동차는 도로 위에서 높은 안정성을 보이고 있습니다. 강력한 GPU를 기반으로 자율주행 차량 개발용 인프라가 구축되어 있기 때문이며, 실제 세계의 교통 데이터를 활용한 자율주행 시뮬레이션이 가능하기 때문이죠.
따라서, 이제는 인프라에 대한 고민보다도 AI 서비스의 특징이나 주요 목표에 더욱 집중해야 할 때입니다. 자사에서 구축하고자 하는 서비스의 특징이 무엇인지 고민하고, 이 목표를 이룰 수 있는 데이터 설계와 퀄리티에 집중할 필요가 있습니다.
요약
- NVIDIA는 강력한 GPU와 자율주행 차량 개발용 인프라, 실제 세계를 모방한 시뮬레이션을 기반으로 자율주행 개발을 지원하고 있습니다.
- 완성차 업계에서도 테슬라처럼 자율주행 학습용 데이터를 수집할 수 있게 되었으므로, 앞으로 자율주행 차량에 대한 더 활발한 연구와 경쟁이 이루어질 것으로 전망됩니다.
- NVIDIA의 등장으로 인프라에 대한 고민을 덜은 만큼, 자율주행 자동차 업계는 AI 서비스의 특징이나 주요 목표에 더욱 집중해 데이터 설계와 퀄리티를 챙겨야 할 필요가 있습니다.
.svg)
