AI 컴퓨팅 기술 분야의 선두주자인 엔비디아가 로보택시와 자율주행차 개발을 위한 프론티어급 개방형 추론 모델 ‘엔비디아 알파마요 2 슈퍼(NVIDIA Alpamayo 2 Super)’의 상업적 이용을 지원한다고 밝혔다. 알파마요 2 슈퍼는 개방형 상용 라이선스와 벤치마크 선도 추론 성능, 검토 가능한 의사결정 과정을 바탕으로 로보택시를 포함한 자율주행차가 양산과 대규모 배포에 한 걸음 더 다가설 수 있도록 지원한다.
로보택시를 비롯한 자율주행차가 해결해야 할 가장 어려운 문제는 일상적인 상황이 아니다. 예측하고 학습하기 어려운 드물고 복잡한 상황이다.
이러한 롱테일 상황에 대응하려면 객체 탐지와 동작 예측만으로는 부족하다. 자율주행차는 상황을 이해하고 인과관계를 추론하며, 적절한 행동을 선택해 이를 안전하고 편안한 주행 경로로 전환해야 한다. 이 모든 과정은 실시간으로 이뤄져야 하며, 개발자가 이를 검토•검증하고 신뢰할 수 있어야 한다.
상업적 이용이 가능한 엔비디아 알파마요 2 슈퍼는 허깅페이스(Hugging Face)에서 가장 널리 채택된 자율주행용 개방형 추론 모델군인 알파마요 제품군에 속한다. 이는 단일 파운데이션 모델에서 자율주행차와 관련된 광범위한 기능을 지원한다.
엔비디아 코스모스 3 슈퍼 리즈너(Cosmos 3 Super Reasoner)를 기반으로 구축되고 강화학습을 통해 사후 학습된 이 모델은 개방형 상용 라이선스와 자율주행을 위한 선도적인 멀티태스크 역량이라는 두 가지 측면에서 자율주행차 생태계를 발전시킨다.
알파마요 2 슈퍼는 자율주행을 위한 엔비디아의 개방형 모델, 데이터세트와 도구 제품군에 새롭게 추가됐다. 이를 통해 접근성을 확대하고 경쟁을 촉진하며, 개발자의 통제권을 강화해 더욱 안전하고 투명한 자율주행차 배포를 지원한다.
양산 자율주행차를 위한 개방형 라이선스
알파마요 2 슈퍼는 개방형 AI 모델 배포를 위한 리눅스 재단(Linux Foundation)의 허용적 라이선스인 오픈MDW(OpenMDW)-1.1에 따라 허깅페이스에서 제공된다. 해당 라이선스는 파인 튜닝, 파생 모델 개발과 상업적 재배포를 허용한다. 이에 따라 자율주행차 개발사, 자동차•트럭 제조사와 부품 공급업체는 알파마요를 자체 데이터, 주행 정책과 배포 전략에 맞게 조정할 수 있다.
이러한 개방성은 자율주행차 연구기관과 기업이 자체 데이터와 인프라에 대한 통제권을 유지하고, 특화 모델과 축적된 노하우를 통해 창출한 가치를 직접 소유할 수 있도록 한다. 이러한 통제권은 자체 보유 차량 플릿과 안전이 관련된 워크플로우에서 특히 중요하다.
기존 알파마요 모델은 처음에는 연구개발 목적으로 공개됐다. 현재 오픈MDW 라이선스는 알파마요 모델군 전체에 적용되고 있으며, 개발자는 추가 허가 없이 모든 알파마요 모델을 상업적으로 배포할 수 있다. 이를 통해 모델 조정부터 실제 배포까지 직접 이어지는 경로를 확보할 수 있다.
개방형 가중치는 이러한 경로의 경제성을 높인다. 개발팀은 모든 파운데이션 기능을 처음부터 다시 학습하거나 각 작업에 프론티어 모델 수준의 비용을 지불하지 않고도 고도화된 추론 기능을 활용할 수 있다. 각 작업에 적합한 모델을 적절한 비용으로 선택할 수 있는 것이다.
알파마요 2 슈퍼는 클라우드 기반 개발 워크플로우에서 프론티어급 추론을 지원한다. 개발자는 고품질 추론 과정과 합성 학습 데이터, 모델 증류를 위한 교사 모델의 출력값을 생성할 수 있다.
알파마요 모델군 가운데 알파마요 2 슈퍼는 멀티모달 자율주행 개발을 위한 가장 뛰어난 추론•주행 성능을 제공한다. 알파마요 1.5와 알파마요 1은 클라우드 기반 개발과 모델 증류를 위한 더욱 비용 효율적인 선택지를 제공한다.
이렇게 생성된 증류 모델은 양산 차량에서 효율적인 실시간 추론을 수행하도록 최적화할 수 있다. 알파마요 모델군은 프론티어급 추론과 상용 자율주행 차량 플릿 전반의 확장 가능한 배포를 결합해 클라우드에서 차량까지 이어지는 워크플로우를 제공한다.
이를 통해 자율주행차 개발팀은 클라우드에서 프론티어급 추론을 활용하고, 차량에서는 효율적인 특화 모델을 운영할 수 있다. 이는 안전한 자율주행 기술을 상용 차량 플릿으로 확장하는 더욱 지속 가능한 방식이다.
벤치마크를 선도하는 프론티어급 추론 성능
알파마요 2 슈퍼는 자율주행 추론 벤치마크인 링고QA(LingoQA)에서 평가된 약 40개 모델 가운데 1위를 차지했다. 엔비디아가 링고-저지(Lingo-Judge) 지표를 활용해 진행한 테스트에서 큐원2.5-VL(Qwen2.5-VL) 72B보다 17.0점, 제미나이 2.5 프로(Gemini 2.5 Pro)보다 15.1점, 지피티-4o(GPT-4o)보다 23.2점 높은 성능을 기록하며 주행 중심 시나리오에서 최첨단 추론 성능을 입증했다. 알파마요 2 슈퍼는 엔비디아가 평가한 모든 자율주행 벤치마크에서도 1위를 기록하며, 광범위한 자율주행 기능 전반에서 선도적인 성능을 보였다.
알파마요 2 슈퍼는 100억 개의 파라미터를 갖춘 엔비디아 알파마요 1.5와 알파마요 1보다 3배 큰 규모를 제공한다. 확대된 모델 용량을 바탕으로 희소한 사례에서도 추론을 더욱 효과적으로 일반화할 수 있다. 이는 기존 시스템이 어려움을 겪는 여러 교통 주체 간의 드물고 복잡한 상호작용에 대응하는 데 필수적인 역량이다.
알파마요 2 슈퍼는 차량의 전방과 측면, 후방을 아우르는 전방위 카메라 영상을 통합해 추론한다. 이러한 360도 상황 정보는 차선 변경, 합류, 비보호 회전과 복잡한 교차로처럼 위험이 자주 발생하는 상황을 더욱 풍부하게 이해할 수 있도록 한다.
로보택시•자율주행을 위한 멀티태스크 파운데이션 모델
알파마요 2 슈퍼는 각각의 주행 상황에서 서로 긴밀하게 연계된 다음과 같은 다섯 가지 결과를 생성할 수 있다.
차량의 계획된 주행 경로를 나타내는 궤적
의사결정의 추론 근거를 설명하는 인과관계 연쇄(Chain of Causation, CoC) 추적 정보
양보, 차선 변경, 정지 등 모델의 의도를 나타내는 메타 액션
학습•검증 데이터용 CoC 주석을 생성하는 추론 자동 라벨
모델의 답변을 카메라 영상의 특정 영역과 연결하는 2D 시각 그라운딩 기반 시각 질의응답 결과
이러한 결과를 통해 모델의 의사결정 과정을 파악할 수 있다. 개발자는 모델이 관찰한 내용과 선택한 행동을 연결해 의사결정을 더욱 쉽게 이해하고 비판적으로 검토하며 검증할 수 있다.
CoC 추적 정보는 엔비디아 헤일로스(Halos) 안전 검증 워크플로우와 통합되며, ISO/PAS 8800 요구사항에 맞춘 AI 안전 체계를 지원한다. 이를 통해 자율주행차 안전 엔지니어링을 위한 더욱 강력한 기반을 제공한다.
알파마요 2 슈퍼는 자동 라벨러로도 배포할 수 있다. 자체 차량 운행 데이터에서 CoC 라벨을 생성하고, 2D 그라운딩을 적용한 시각 질의응답을 수행한다. 모델의 추론을 카메라 영상의 특정 영역과 연결함으로써 원시 주행 영상을 더욱 풍부한 학습 데이터로 전환하고, 주석 작업 주기를 수개월에서 수일로 단축할 수 있다.
알파마요 2 슈퍼는 주행 계획과 자동 라벨링뿐 아니라 장면 이해, 모델 결과 검토와 지식 증류도 지원한다. 이러한 멀티태스크 역량을 통해 개발자는 개발 스택의 더욱 많은 영역에서 하나의 파운데이션 모델을 활용할 수 있으며, 도구 구성을 단순화하고 개발 반복 주기를 단축할 수 있다.
추론 기반 자율주행차를 위한 개방형 생태계
알파마요 2 슈퍼는 자율주행차 개발을 위한 광범위한 개방형 모델, 프레임워크와 데이터세트 제품군에 포함된다.
알파마요 제품군은 다음과 같은 도구도 제공한다.
폐루프(closed-loop) 시뮬레이션을 제공하는 엔비디아 알파심(AlpaSim)
고처리량 강화학습을 지원하는 엔비디아 알파짐(AlpaGym)
학습과 테스트를 위한 데이터를 제공하는 엔비디아 피지컬 AI 오픈 데이터세트
모델 개발과 학습, 검증을 가속하는 개방형 학습 레시피와 자동 라벨링 파이프라인
알파마요는 허깅페이스에서 다운로드 50만 건을 돌파했다. 이를 통해 해당 플랫폼에서 가장 널리 채택된 자율주행용 개방형 추론 모델군으로서의 입지를 더욱 강화했다.
|
