AWS, 지각하고 적응할 수 있는 기계 구축을 위한 오픈 소스 도구 제품군 출시

AWS는 Physical AI Toolchain on AWS를 발표했다. 이는 물리적 환경을 인식하고 실시간으로 결정을 내리며 환경에 적응할 수 있는 기계를 개발하는 기업을 대상으로 하는 오픈 소스 제품군이다. 이 플랫폼은 산업 자동화, 자율 이동, 인간형 로봇 분야를 대상으로 하며 NVIDIA의 물리적 AI 생태계와 통합된다.

이 분야는 데이터를 처리하고 디지털 출력을 생성하는 기존 인공지능과 다르다. 지능형 기계는 감지, 추론, 실행을 통해 현실 세계와 상호작용한다. 또한 운영 데이터를 훈련 주기로 다시 반영해 배포가 반복될수록 모델을 개선할 수 있다.

하나의 생태계에서 훈련부터 운영까지

이 제품군은 아키텍처 지침, 배포 자동화, 활용 가능한 참조 코드를 결합하며, 다음과 같이 서로 연결된 다섯 가지 축을 통해 물리적 AI 개발 주기를 다룬다.

• 합성 데이터 생성: 인공지능을 활용해 다양한 훈련 환경과 시나리오를 생성함으로써 비용이 많이 드는 실제 데이터 수집의 필요성을 줄인다.
• 모델 훈련: 인간의 시연과 시뮬레이션 환경에서의 연습을 통해 기계를 학습시킨다.
• 시뮬레이션 및 검증: 실제 하드웨어에서 실행하기 전에 가상으로 기계의 동작을 테스트한다.
• 엣지 배포: 최적화된 모델을 기계에 전송해 클라우드에 항상 연결하지 않고도 즉각적인 결정을 내리도록 한다.
• 지속적인 최적화: 운영 데이터를 훈련 주기로 되돌려 새로운 데이터를 생성하고 모델을 개선한다.

AWS에서 사용되는 서비스로는 모델 훈련을 위한 Amazon SageMaker, 시뮬레이션을 위한 그래픽 처리 장치가 탑재된 Amazon EC2 인스턴스, 엣지 배포를 위한 AWS IoT Greengrass, 지능형 조정을 위한 Amazon Bedrock AgentCore가 포함된다. NVIDIA 측에서는 시뮬레이션을 위한 Isaac Sim, 강화 학습을 위한 Isaac Lab, 인간형 기계 훈련을 위한 Isaac GR00T, 합성 세계 생성을 위한 Cosmos와 통합된다.

기업에 실질적으로 달라지는 점은 무엇인가?

기업은 하나의 제어 지점을 통해 전체 플랫폼을 도입하거나, 시뮬레이션·훈련·배포와 같은 개별 구성 요소를 선택해 기존 워크플로에 통합할 수 있다. 또한 플릿 관리 기능을 통해 생산 단계로 전환할 때 수천 대의 기계를 구성하고 보안 설정을 적용하며 원격으로 업데이트할 수 있다.

AWS는 이 제품군이 엔지니어링 팀이 인프라에 사용하는 시간을 줄여 애플리케이션과 기계 자체 개발에 더 집중하도록 설계됐다고 밝혔다. 회사는 배포 프로세스를 하드웨어, 운영 환경, 사용 사례에 맞게 조정할 수 있어 획일적인 설계에 의존하지 않는다고 설명했다.

Amazon Robotics의 경험 활용

이 제품군은 Amazon이 운영 네트워크에서 100만 대가 넘는 로봇을 운영해 온 경험을 바탕으로 한다. 이 로봇들은 수십만 명의 직원과 협력해 매일 수백만 개의 소포를 처리한다. 회사는 또한 물품 운송이 필요한 현장에서 작동하도록 Amazon Robotics가 개발한 자율 로봇 Proteus를 언급했다.

NEURA Robotics, RLWRLD, Config와 같은 기업들이 이 생태계와 연계된 기술을 사용한다. NEURA는 시각과 청각을 갖추고 경험을 통해 학습할 수 있는 인간형 로봇을 개발하고 있으며, RLWRLD는 물체를 잡고 다루는 작업을 위한 81억 개의 파라미터를 포함한 기반 모델을 개발하고 있다. Config는 로봇 행동 데이터 20만 시간 이상을 수집하는 파이프라인을 구축했다.

편집자 해설: 이번 발표의 핵심 가치는 개별 클라우드 서비스를 추가하는 데 있지 않고, AWS가 훈련, 시뮬레이션, 배포, 플릿 관리를 맞춤 설정 가능한 하나의 경로로 묶으려 한다는 데 있다. 이는 로봇 시스템 구축의 진입 장벽을 낮출 수 있지만, 성공 여부는 데이터 품질, 하드웨어 호환성, 시뮬레이션에서 예측하기 어려운 실제 환경으로 전환할 때의 모델 신뢰성에 달려 있다. 기사에서는 오픈 소스 라이선스나 제공 수준 및 비용에 관한 세부 사항을 제시하지 않았으며, 상업적 활용 가능성을 평가하기 전에 검토가 필요한 사항이다.