엔비디아, 로봇 시뮬레이션 '아이작 심' 대규모 업데이트…가상 환경서 사람 움직임 재현

현장에 자율주행 로봇을 투입할 때 가장 까다로운 문제는 로봇이 사람과 부딪히지 않게 만드는 일입니다. 실제 물류창고에서 사고 위험을 감수해가며 충돌 테스트를 반복할 수는 없는 노릇입니다.

Nvidia가 CES 2023에서 로보틱스 시뮬레이션 플랫폼인 Isaac Sim의 대규모 업데이트를 발표했습니다. 가상 협업 플랫폼인 Omniverse를 기반으로, 실제 공장과 창고 환경을 정밀하게 복제해 로봇 AI를 사전에 훈련시키는 도구입니다.

예측 불가능하게 움직이는 가상 작업자 투입

이번 업데이트에서 가장 눈에 띄는 기능은 창고나 제조 환경에 가상 인간 캐릭터를 배치할 수 있게 된 점입니다.

이 가상 작업자들은 가만히 서 있는 장애물이 아닙니다. 상자를 쌓거나 카트를 미는 등 실제 작업 현장의 일상적인 행동을 수행합니다. 로봇은 주행 명령을 수행하는 동시에, 불규칙하게 움직이는 사람을 실시간으로 감지하고 회피하는 법을 학습합니다.

덕분에 엔지니어는 현장에 실제 기계를 배치하기 전에 위험 요소를 미리 발견할 수 있습니다. 충돌 위험이 높은 구간이 확인되면 로봇의 제어 알고리즘을 수정하거나, 창고 통로 동선 자체를 사전에 재설계할 수 있습니다.

기계, 전자, AI 엔지니어 등 다양한 분야의 개발팀이 Omniverse 클라우드 환경에서 하나의 3D 공간을 공유하며 원격으로 협업할 수 있다는 점도 강점입니다.

레이 트레이싱 기반 라이다와 매니퓰레이터 전용 ORBIT

시뮬레이션 데이터가 현실에서도 그대로 작동하도록 하드웨어 기술도 대거 투입되었습니다. Nvidia RTX 기술을 적용해 빛의 반사와 굴절을 계산하는 레이 트레이싱으로 라이다 센서를 정밀하게 모사합니다. 바닥 반사 재질이나 조명 변화까지 반영해 센서 신호를 뽑아냅니다.

또한 대규모 창고 구조와 주요 로봇 모델이 포함된 3D 애셋 라이브러리를 기본 제공해, 개발자가 환경을 처음부터 만들 필요 없이 즉시 프로토타입 테스트에 들어갈 수 있게 했습니다.

기존 도구인 Isaac Gym(강화학습)과 Isaac Cortex(협동 로봇 제어) 외에도 로봇 팔을 위한 Isaac ORBIT이 새롭게 추가되었습니다. 로봇 팔이 물건을 집고, 옮기고, 내려놓는 복잡한 동작을 시뮬레이션 환경에서 집중적으로 훈련할 수 있습니다.

Nvidia에 따르면 이미 100만 명 이상의 개발자와 1000개 이상의 기업이 이 도구를 활용하고 있습니다. 일본의 Telexistence는 300여 개 편의점에 음료 진열 로봇을 배치했고, 독일 국철은 선반에서 짐이 떨어지는 등의 예외 상황을 훈련하는 데 Isaac Sim을 사용 중입니다.

왜 중요한가

우리는 Nvidia가 로봇 완제품 제조에 뛰어드는 대신 모든 제조사가 거쳐 가야 할 가상 훈련 인프라를 장악하려는 전략을 매우 영리하게 구사하고 있다고 봅니다.

물리적인 현실에서의 테스트는 시간과 비용이 너무 많이 듭니다. 반면 가상 공간에서는 수천, 수만 대의 로봇을 띄워 밤낮없이 실패를 경험하게 만들 수 있습니다. 실제 배치된 로봇 1대 뒤에서 수십만 대의 가상 로봇이 데이터를 뽑아내는 구조가 정착되면, 전통적인 수작업 튜닝 방식은 경쟁력을 잃을 수밖에 없습니다.

로봇 스타트업이나 물류 자동화 기업 입장에서도 진입 장벽이 크게 낮아집니다. 위험천만한 사람과 로봇의 상호작용 테스트를 소프트웨어 안에서 끝낼 수 있어, 하드웨어를 직접 찍어내기 전에 시스템의 안정성을 상당 부분 검증할 수 있습니다.

다만 시뮬레이션과 현실의 괴리는 여전히 주의해야 할 부분입니다. 아무리 광선 추적으로 센서를 정밀하게 구현해도 실제 현장의 렌즈 오염이나 기계적 유격, 먼지 같은 복합 변수까지 완벽히 대체하기는 어렵습니다. 시뮬레이션으로 개발 기간을 단축하더라도 최종 현장 검증 과정은 여전히 필수적입니다.