엔비디아, NeurIPS서 자율주행 추론 모델 'Alpamayo-R1' 등 오픈소스 공개

NVIDIA DRIVE Alpamayo-R1은 자율주행 연구를 위해 공개된 업계 최초의 오픈형 시각-언어-행동(VLA) 추론 모델입니다. 복잡한 교차로나 자전거 도로의 불법 주정차처럼 까다로운 도로 상황에서 차량이 사람처럼 상식적인 판단을 내릴 수 있도록 돕습니다.

기존의 자율주행 모델은 센서 입력값을 주행 조작으로 직접 변환하는 방식이 많아 예외적인 상황에 취약했습니다. Alpamayo-R1은 생각의 사슬(Chain-of-Thought) 추론을 경로 계획에 결합해 주행 결정을 단계별 논리로 분해합니다.

무엇을 할 수 있나

복잡한 교통 환경에서 Alpamayo-R1은 센서 데이터를 바탕으로 가능한 모든 궤적을 검토한 뒤, 주변 맥락에 맞춰 가장 안전한 경로를 선택합니다.

예를 들어 보행자와 자전거가 뒤섞인 도로를 달릴 때, 모델은 자전거 도로에서 거리를 두거나 감속하는 결정을 내리면서 자신이 왜 그런 조작을 선택했는지 설명하는 추론 기록을 함께 생성합니다.

Alpamayo-R1은 NVIDIA의 Cosmos Reason을 기반으로 구축되었습니다. 연구진은 강화학습을 통한 사후 학습을 적용해, 기본 사전학습 모델 대비 추론 및 판단 능력을 크게 끌어올렸습니다.

이와 함께 NVIDIA는 자율주행 시뮬레이션용 라이다 데이터를 생성하는 세계 모델 LidarGen, 비디오 모델을 로봇 행동 규칙으로 변환하는 Cosmos Policy 등 물리적 AI 도구를 다수 공개했습니다. 디지털 AI 분야에서도 겹치는 대화를 인식하는 MultiTalker Parakeet, 실시간 화자 분리 모델 Sortformer, AI 안전 추론 모델 등을 함께 선보였습니다.

구동 방법과 공개 범위

Alpamayo-R1은 현재 GitHub와 Hugging Face에서 비상업적 연구 목적으로 다운로드해 사용할 수 있습니다.

모델 평가를 위한 오픈소스 프레임워크인 AlpaSim과 함께 학습 및 평가에 사용된 데이터셋 일부가 NVIDIA Physical AI Open Datasets를 통해 제공됩니다. 개발자는 단계별 가이드인 Cosmos Cookbook을 참고해 데이터 정제부터 합성 데이터 생성, 사후 학습까지 전 과정을 진행할 수 있습니다.

또한 대규모 언어 모델용 합성 데이터 툴킷인 NeMo Data Designer Library는 Apache 2.0 라이선스로 완전 오픈소스화되었으며, 강화학습 환경 구축을 돕는 NeMo Gym도 바로 활용 가능합니다.

왜 중요한가

자율주행의 고질적인 난제였던 블랙박스 의사결정 문제를 해결하기 위해 대규모 추론 모델을 오픈소스로 개방했다는 점이 핵심입니다. L4 자율주행과 로보틱스를 연구하는 팀은 막대한 비용을 들여 기초 VLA 모델을 처음부터 만들지 않고도 설명 가능한 주행 궤적 연구에 착수할 수 있습니다.

라이선스가 비상업적 연구용으로 제한되어 있어 실제 양산차에 바로 탑재하기는 어렵지만, 설명 가능한 자율주행 알고리즘을 실험하고 벤치마크를 구축하려는 연구진에게는 매우 매력적인 출발점입니다.