엔비디아, 시뮬레이션 4096개 병렬로 마이크로덕 훈련

엔비디아(NVIDIA·$NVDA)가 AI 에이전트로 마이크로덕의 가상 장애물 코스를 구성하고, 시뮬레이션 환경 4096개에서 보행 정책을 추가 훈련·평가하는 작업 흐름을 공개했다. 이번 사례는 실제 로봇의 주행 결과가 아니라 가상 환경에서 진행한 훈련과 평가다.

엔비디아는 23일 기술 블로그에서 작업 계획 수립부터 3차원 자산 제작, 코스 조립, 정책 훈련과 평가까지의 절차를 소개했다. 기존에 걷도록 훈련한 정책에 경사로와 장애물 대응을 더하는 방식이다.

작업은 마이크로덕이 통과할 코스와 배워야 할 동작을 적은 지시문에서 시작한다. RTX Spark에서 실행되는 Hermes와 NVIDIA Nemotron 3.5 Bolt가 이를 단계별 계획으로 바꾸고, 코스 경로와 장애물 크기를 검토해 자산 목록을 만든다.

Astra는 목록에 맞춰 시뮬레이션용 물체를 제작한다. 참조 이미지를 보정하고 FreeCAD로 기본 형상을 만든 뒤 Blender에서 세부 형태와 재질을 입힌다. 완성한 자산은 편집 가능한 모델과 USD 파일로 내보내며, 이미지에서 확인할 수 없는 면이나 치수는 모델링 가정으로 기록한다.

제작한 자산은 Isaac Sim에서 장애물 코스로 조립한다. Omniverse 라이브러리는 화면 렌더링과 센서 관측을 맡고, 물리 엔진 Newton은 마이크로덕의 움직임과 균형을 계산한다. 로봇이 넘어지거나 장애물에 부딪힌 결과는 보행 정책을 조정하는 학습 자료로 쓰인다.

추가 훈련은 Isaac Lab에서 진행했다. 머리 카메라의 깊이 정보와 로봇 상태 정보를 입력으로 삼아 굽은 경사로와 고르지 않은 지형에 대응하도록 정책을 학습했다. 엔비디아는 RTX PRO 6000 블랙웰 워크스테이션 에디션 GPU 한 대로 시뮬레이션 환경 4096개를 병렬 실행했다고 밝혔다.

훈련을 마친 정책은 RTX Spark의 Isaac Sim으로 옮겨 가상 환경에서 평가한다. 마이크로덕이 장애물을 감지하고 움직임을 조정해 코스를 통과하는지 살피며, 완주·낙상·충돌·진행이 멈춘 지점을 기록해 다음 훈련에 활용한다. 이 기록은 실제 기기의 성공률이나 장애물 주행 성과를 뜻하지 않는다.

마이크로덕은 폴렌로보틱스(Pollen Robotics)와 허깅페이스(Hugging Face)가 개발한 높이 25㎝, 무게 약 800g의 오픈소스 이족 보행 로봇이다. 공식 문서에는 모터 15개와 카메라, 라이다, 관성측정장치(IMU) 2개가 장착된 것으로 나온다. 강화학습으로 익힌 걷기 등의 동작을 실제 기기에서 실행하도록 설계됐다.

21일 공개된 허깅페이스의 엔비디아 협업 튜토리얼은 Isaac Lab에서 걷기 정책을 훈련한 뒤 ONNX 형식으로 내보내 실제 로봇에 적용하는 절차를 설명한다. 이 튜토리얼에 나온 입력값 61개와 관절 위치 출력값 14개는 모델 인터페이스 규격이며, 이번 장애물 코스 실험의 성능 수치가 아니다.

엔비디아는 실제 로봇과 시뮬레이션의 차이를 줄이기 위해 마찰, 명령 지연, 기계적 유격 등을 모델링할 수 있다고 설명했다. 기술 블로그가 다룬 범위는 가상 코스 구성과 정책 훈련·평가까지다. 엔비디아의 로봇 시뮬레이션 플랫폼과 개발 도구를 다룬 본지 보도에서도 아이작 플랫폼의 관련 기능을 소개했다.