엔비디아($NVDA), 창고 시뮬레이션서 2분간 30fps 유지

엔비디아(NVIDIA·$NVDA)가 AI 에이전트와 옴니버스 라이브러리로 창고·산업설비·자율주행 시뮬레이션을 구성한 사례를 공개했다. 개발자가 자연어로 작업을 지시하고 결과를 검토한 뒤 장면과 코드를 수정하는 방식이다.

엔비디아는 10월 29일 공식 블로그에서 옴니버스(Omniverse) 라이브러리가 GPU 가속 물리 시뮬레이션과 렌더링, 센서 시뮬레이션 기능을 제공한다고 설명했다. 이 라이브러리는 기존 OpenUSD 애플리케이션에 해당 기능을 결합하는 모듈형 도구다.

개발자는 필요한 장면과 시험을 자연어로 요청하고, 에이전트가 만든 결과를 확인해 수정 방향을 안내한다. 에이전트는 이 과정에서 장면을 구성하고 코드를 작성하며 반복 작업을 수행한다.

엔비디아 블로그에는 사용 모델로 오픈AI(OpenAI)의 GPT-6 Astra와 앤트로픽(Anthropic)의 Claude Fable 5가 등장한다. 두 모델은 센서 검증 시연에서 함께 활용됐다.

엔비디아가 공개한 창고 시연에는 컨베이어 80대와 로봇 팔 40대, 상자 800개가 배치됐다. 이 장면은 Full HD 해상도에서 2분간 초당 30프레임을 유지했고, 로봇 팔은 상자 배치 640건을 완료했다.

장면 규모를 처음 두 배로 키웠을 때는 목표 성능 아래로 떨어졌지만, 물리 계산·렌더링·영상 준비를 병렬로 실행한 뒤 성능을 회복했다. 장면을 다시 두 배로 늘리자 성능이 낮아졌고, 엔비디아는 물리 계산과 로봇 제어 파이프라인에서 병목을 찾았다고 밝혔다.

가스터빈 디지털 트윈 시제품은 부하와 주변 온도, 연료 구성을 바꾸며 출력·효율·연료 소비와 장비 반응을 비교하도록 만들었다. 디지털 트윈은 실제 설비의 조건과 반응을 가상 모델에 반영해 시험하는 방식이다.

엔비디아는 부하 변화와 연료 밸브 고착, 배기 센서 오류 등을 포함한 시험 절차 6개를 구성했다. 열화학 계산에는 Cantera를, 장비 동역학에는 SciPy를 사용했다.

센서 검증에서는 카메라와 원시 LiDAR 출력값을 실제 기록 데이터와 비교했다. 개발자는 장면에서 빠진 물체와 형상, 재질을 조정하고 카메라·LiDAR 지표로 결과를 확인했다.

이 작업은 약 3일 동안 진행됐으며, 새 디지털 트윈 2개를 만들고 기존 2개를 개선했다. 엔비디아는 이 과정에 GPT-6 Astra와 Claude Fable 5 에이전트를 함께 사용했다고 소개했다.

자율주행 시연에서는 에이전트가 도로 장면과 교통 흐름, 센서 시뮬레이션, 주행 모델을 단계적으로 연결했다. 개발자는 장면이나 센서 설정을 바꿨을 때 주행 모델의 반응이 어떻게 달라지는지 비교할 시험 환경을 만들었다.

시뮬레이션 속 유니트리(Unitree) G1 휴머노이드는 단일 허들을 100회 중 64회 넘었다. 이 결과는 가상 환경에서의 시연이다.

ABB 로보틱스(ABB Robotics)의 YuMi 로봇 CAD 모델을 OpenUSD로 변환한 뒤 Isaac Sim에서 큐브 집기·놓기를 네 차례 수행한 사례도 공개됐다. 물리 속성 추정치는 실제 로봇에 맞춰 보정하지 않았다.

이번 사례는 OpenUSD 애플리케이션에 물리 계산과 RTX 렌더링, 센서 시뮬레이션을 결합하고 에이전트가 개발자의 반복 작업을 보조하는 구조를 보여준다. GPU 가속 라이브러리를 설계·시뮬레이션 도구로 확장한 흐름은 앞서 다룬 엔비디아의 설계 AI 도구 확대 사례와도 맞닿아 있다.

창고 성능과 로봇 동작 수치는 엔비디아가 소개한 특정 시뮬레이션 사례에 한정된다. 가상 환경의 결과만으로 실제 로봇의 성공률이나 안전성, 상용 배포 성과를 입증하는 것은 아니다.