ai

Omniverse로: OpenUSD와 NVIDIA Halos가 로보택시와 물리 AI 시스템의 안전을 가속화

발행: (2025년 12월 18일 오전 02:00 GMT+9)
13 min read
원문: NVIDIA AI Blog

Source: NVIDIA AI Blog

OpenUSD와 NVIDIA Halos가 로보택시 안전을 강화합니다

Share

Editor’s note: This post is part of the Into the Omniverse series, which explores how developers, 3‑D practitioners, and enterprises can transform their workflows using the latest advancements in OpenUSD and NVIDIA Omniverse.

Physical AI는 연구실을 넘어 실제 세계로 진입하고 있으며, 로봇 택시와 같은 자율 주행 차량 (AVs)을 포함한 지능형 로봇에 전력을 공급하고 있습니다. 이러한 시스템은 예측할 수 없는 환경 속에서 신뢰할 수 있게 감지하고, 추론하며, 행동해야 합니다.

이러한 시스템을 안전하게 확장하려면, 개발자는 실제 데이터, 고충실도 시뮬레이션, 그리고 견고한 AI 모델을 OpenUSD 프레임워크가 제공하는 공통 기반 위에 연결하는 워크플로우가 필요합니다.

최근 발표된 OpenUSD Core Specification 1.0 (Universal Scene Description)은 이제 표준 데이터 타입, 파일 포맷, 그리고 구성 동작을 정의하여, 개발자가 자율 시스템을 확장함에 따라 예측 가능하고 상호 운용 가능한 USD 파이프라인을 구축할 수 있게 합니다.

OpenUSD를 기반으로 하는 **NVIDIA Omniverse libraries**는 다음을 결합합니다:

  • NVIDIA RTX 렌더링,
  • 물리 시뮬레이션, 그리고
  • 효율적인 런타임

이를 통해 디지털 트윈 및 SimReady 자산을 생성하여 실제 환경을 정확히 반영하고, 합성 데이터 생성 및 테스트에 활용할 수 있습니다.

NVIDIA Cosmos 세계 기반 모델은 이러한 시뮬레이션 위에서 실행되어 데이터 변형을 확대하고, 동일한 씬에서 새로운 날씨, 조명 및 지형 조건을 생성함으로써 팀이 희귀하고 도전적인 엣지 케이스를 안전하게 다룰 수 있게 합니다.

OpenUSD 라이브스트림 시청 (오늘 오전 11시 PT) 또는 재생 보기 — NVIDIA Omniverse OpenUSD Insiders 시리즈의 일부.

또한 합성 데이터 생성, 멀티모달 데이터셋, 그리고 SimReady 워크플로우의 발전이 NVIDIA Halos 프레임워크와 결합되어 AV 안전성을 높이고, 차세대 자율 기계의 더 안전하고 빠르며 비용 효율적인 배포를 위한 표준 기반 경로를 만들고 있습니다.

Source:

안전한 물리 AI를 위한 기반 구축

오픈 표준 및 SimReady 자산

OpenUSD Core Specification 1.0은 SimReady 자산을 뒷받침하는 표준 데이터 모델과 동작을 정의하여 개발자가 OpenUSD 기반 AI 공장 및 로보틱스를 위한 상호 운용 가능한 시뮬레이션 파이프라인을 구축할 수 있게 합니다.

이 기반 위에 구축된 SimReady 3‑D 자산은 도구와 팀 간에 재사용될 수 있으며 NVIDIA Isaac Sim에 직접 로드할 수 있습니다. 여기서 USDPhysics 콜라이더, 강체 역학, 그리고 composition‑arc‑based 변형을 통해 팀은 실제 운영을 밀접하게 반영한 가상 시설에서 로봇을 테스트할 수 있습니다.

오픈소스 학습

Learn OpenUSD 커리큘럼이 이제 오픈 소스로 전환되어 GitHub에서 제공됩니다. 이를 통해 기여자는 템플릿, 연습문제, 콘텐츠를 다양한 청중, 언어, 사용 사례에 맞게 현지화하고 조정할 수 있습니다. 교육자는 OpenUSD 중심 시뮬레이션 워크플로우에 새로운 팀을 온보딩하기 위한 즉시 사용 가능한 기반을 얻게 됩니다.

안전성 증폭기로서의 생성형 세계

  • Gaussian splatting – 편집 가능한 3‑D 요소를 사용해 환경을 빠르고 높은 충실도로 렌더링하는 기술 – 및 세계 모델은 안전한 로봇 테스트와 검증을 위한 시뮬레이션 파이프라인을 가속화합니다.
  • SIGGRAPH Asia에서 NVIDIA Research 팀은 Play4D 를 소개했습니다. 이 스트리밍 파이프라인은 4‑D Gaussian splatting을 활용해 동적 장면을 정확히 렌더링하고 사실감을 향상시킵니다.
  • 공간 인텔리전스 기업 World Labs 은 Marble 생성형 세계 모델을 NVIDIA Isaac Sim 및 Omniverse NuRec 과 함께 사용하여 연구자가 텍스트 프롬프트와 샘플 이미지를 몇 주가 아닌 몇 시간 안에 포토리얼리스틱하고 Gaussian 기반이며 물리 준비가 된 3‑D 환경으로 변환할 수 있게 합니다.

World Labs + Isaac Sim demo

이러한 세계는 물리‑AI 훈련, 테스트, 그리고 sim‑to‑real 전이에도 활용될 수 있습니다. 고충실도 시뮬레이션 워크플로우는 로봇이 연습할 수 있는 시나리오 범위를 확대하면서 실험을 안전하게 시뮬레이션 내에 머물게 합니다.

Lightwheel가 SimReady 자산으로 로봇 훈련을 확장하도록 지원

OpenUSD 기반으로 구동되는 Lightwheel 의 SimReady 자산 라이브러리는 공통 씬‑설명 레이어를 포함하고 있어 로봇용 고충실도 디지털 트윈을 손쉽게 조립할 수 있습니다. 이 자산은 정밀한 기하학, 재질, 검증된 물리적 특성을 내장하고 있으며 NVIDIA Isaac Sim 및 Isaac Lab 에 직접 로드되어 로봇 훈련에 활용됩니다. 이를 통해 로봇은 학습 과정에서 현실적인 접촉, 역학, 센서 피드백을 경험할 수 있습니다.

엔드‑투‑엔드 자율주행 차량 안전

엔드‑투‑엔드 AV 안전 분야의 발전은 새로운 연구, 오픈 프레임워크, 그리고 검증을 보다 엄격하고 확장 가능하게 만드는 검사 서비스 덕분에 가속화되고 있습니다.

주요 혁신

  • Sim2Val 프레임워크 – NVIDIA 연구원(하버드·스탠포드와 공동) 이 실제 세계와 시뮬레이션 테스트 결과를 결합하는 통계적 방법을 소개했습니다. 이를 통해 비용이 많이 드는 물리적 주행 거리를 크게 줄이면서도 희귀하고 안전에 중요한 시나리오에서 안전한 행동을 보장합니다.
    논문 읽기: Sim2Val (arXiv)

  • NVIDIA Omniverse NuRec Fixer – AV 데이터를 기반으로 학습된 Cosmos‑기반 오픈소스 모델로, 신경 재구성에서 발생하는 아티팩트를 제거해 고품질 SimReady 자산을 제공합니다.

  • NVIDIA Halos AI Systems Inspection Lab – ANAB 인증을 받은 실험실로, 로보택시 플릿, AV 스택, 센서, 제조업체 플랫폼 전반에 걸친 Halos 요소에 대한 공정한 검사와 인증을 제공합니다.
    자세히 보기: Halos Certification Program

시청: NVIDIA의 “Safety in the Loop” 라이브스트림 (원본 출처에 링크 포함).

초기 도입 기업

회사역할
BoschHalos Inspection Lab 참여
NuroHalos Inspection Lab 참여
WayveHalos Inspection Lab 참여
onsemiHalos 검사를 최초로 통과한 기업 (AV용 센서 시스템, 산업 자동화, 의료)

생태계 통합

  • CARLA 시뮬레이터 – NVIDIA NuRec 및 Cosmos Transfer를 통합해 재구성된 주행 데이터와 다양한 시나리오 변형을 생성합니다.
  • Voxel51 FiftyOne 엔진 – Cosmos Dataset Search, NuRec, Cosmos Transfer와 연동되어 AV 파이프라인 전반에 걸친 멀티모달 데이터셋을 큐레이션, 주석 달기, 평가합니다.

학술 협업

  • M‑City (미시간 대학교) – Omniverse 라이브러리를 활용해 32에이커 규모 AV 테스트 시설의 디지털 트윈을 강화하고 있습니다.
    • NVIDIA Blueprint와 Omniverse Sensor RTX API를 사용해 카메라, LiDAR, 레이더, 초음파 센서의 물리 기반 모델을 생성합니다.
    • 실제 센서 기록을 고충실도 시뮬레이션 데이터와 정렬해, 공공 도로에 배치하기 전 희귀하고 위험한 시나리오를 안전하고 반복적으로 테스트할 수 있습니다.
      자세히 보기: M‑City 디지털 트윈 업그레이드

엄격한 통계 검증, 오픈소스 재구성 도구, 인증된 검사를 결합함으로써 AV 생태계는 로보택시 플릿의 보다 안전하고 대규모 배치를 향해 나아가고 있습니다.

OpenUSD와 물리적 AI 안전의 세계에 연결되세요

OpenUSD, NVIDIA Halos, 그리고 물리적 AI 안전에 대해 더 알아보려면 다음 자료를 확인하세요:

NVIDIA 뉴스 를 구독하고, NVIDIA Omniverse 커뮤니티 에 참여하며, NVIDIA Omniverse 를 다음 채널에서도 팔로우하세요:

카테고리 및 태그

카테고리:

태그:

최신 NVIDIA 뉴스

모든 링크는 새 탭에서 열립니다.

Back to Blog

관련 글

더 보기 »