ST의 센서·마이크로컨트롤러·모터 제어 솔루션을 NVIDIA 로봇 공학 에코시스템에 통합
ST마이크로일렉트로닉스가 휴머노이드 로봇, 산업용 로봇, 서비스 로봇, 헬스케어 로봇 등 피지컬 AI 시스템의 글로벌 개발과 확산 가속화 방안을 발표했다.
ST의 첨단 로봇 공학을 위한 포괄적인 포트폴리오를 NVIDIA HSB(Holoscan Sensor Bridge)와 호환되는 레퍼런스 구성 요소 세트에 통합한다는 것이다. 이와 동시에 ST 구성 요소의 고충실도(High-Fidelity) NVIDIA Isaac Sim 모델이 양사의 로봇 공학 에코시스템에 통합돼 더욱 빠르고 정확한 시뮬레이션-실제 전환(Sim-to-Real) 연구 개발을 지원한다고 업체 측은 밝혔다. 현재 개발자들이 이용 가능한 첫 번째 결과물로는 ST가 지원하는 Leopard 심도 카메라의 NVIDIA HSB 통합 그리고 ST IMU의 고충실도 모델의 NVIDIA Isaac Sim 에코시스템 통합이 있다.
ST의 미주 및 글로벌 주요 고객 담당 영업·마케팅 수석 부사장인 리노 페루지(Rino Peruzzi)는 "ST는 로봇 공학 커뮤니티에 적극적으로 참여하면서 탄탄한 지원과 잘 구축된 에코시스템을 제공한다"며, NVIDIA와의 협력으로 AI 알고리즘 개발부터 센서 및 액추에이터의 원활한 통합에 이르기까지 모든 단계에서 개발자와 고객의 경험을 간소화하여 최첨단 로봇 혁신의 차세대 물결을 일으키고자 한다”고 밝혔다. 이어, “이는 정교한 AI 기반 피지컬 플랫폼의 발전을 가속화할 것이다”라고 밝혔다.
NVIDIA의 로봇 및 엣지 AI 부문 부사장인 디푸 탈라(Deepu Talla)는 "차세대 자율 시스템을 신속하게 개발하려면 가상 훈련과 실제 배포 간의 격차 해소를 위해 고충실도 시뮬레이션과 원활한 하드웨어 통합이 필요하다"며, “ST의 센서 및 액추에이터 기술을 NVIDIA Isaac Sim, HSB, Jetson 플랫폼과 통합함으로써 피지컬 AI를 대규모로 구축, 시뮬레이션, 배포할 수 있는 통합 기반을 개발자들에게 제공한다”고 설명했다.
HSB(Holoscan Sensor Bridge)를 통한 센서·액추에이터 통합 간소화
NVIDIA HSB를 사용하면 개발자는 여러 ST 센서와 액추에이터의 데이터 수집과 로깅을 통합, 표준화, 동기화, 간소화할 수 있으며, 이는 고충실도 NVIDIA Isaac 모델을 구축하고, 학습 속도를 높이며, 시뮬레이션과 실제 전환 간의 격차를 최소화하는 핵심 토대가 된다는 설명이다.
특히 휴머노이드 로봇 설계를 위해 STM32 MCU, 첨단 센서(IMU, 이미저, ToF 포함), 모터 제어 솔루션이 결합된 사전 통합 솔루션을 통해ST 센서와 액추에이터를 NVIDIA Jetson 플랫폼에 연결하는 프로세스를 간소화하는 것이 목표이다. Leopard Imaging의 로봇용 스테레오 심도 카메라가 대표 사례다. ST 이미징, 심도, 모션 감지 기술을 활용해 피지컬 AI OEM, 학술 연구 그룹, 산업 로봇 커뮤니티 전반에 걸쳐 광범위한 설계를 지원할 것으로 기대된다고 업체 측은 전했다.
Omniverse Isaac을 위한 고충실도(High-Fidelity) 모델링으로 비용 절감 및 복잡성 문제 해결
첨단 로봇 개발자들은 모델링 문제 외에도 높은 개발 비용이라는 문제에 직면한다. 광범위한 무작위화 (randomization)가 포함된 고충실도 시뮬레이션에는 상당한 GPU 및 CPU 리소스와 대규모 데이터 세트가 필요하다. 어떤 파라미터를 무작위화할지, 어느 범위에서 무작위화할지를 선택하는 데 해당 분야에 대한 깊이 있는 전문 지식도 필요하다. 잘못된 선택은 비현실적인 시나리오나 비효율적인 훈련으로 이어질 수 있다. 마지막으로 과도한 변동성은 모델에 혼란을 주고 수렴 속도를 늦추며, 무작위화가 더 이상 실제 발생 가능한 조건을 반영하지 못할 때 실제 성능을 저하시키게 된다.
업체 측에 따르면, ST와 NVIDIA의 목표는 첨단 로봇 공학의 요구 사항에 맞춰 ST의 포괄적인 부품 포트폴리오에 대해 정확하고 하드웨어에 맞춰 보정된 모델을 제공하는 것이다. ST는 최초의 IMU 모델 출시 이후, 실제 ST 하드웨어에서 수집한 벤치마크 데이터를 기반으로 ST 툴을 사용하여 정확한 파라미터와 현실적인 동작을 포착하고 NVIDIA의 Isaac Sim 에코시스템에 최적화된 ToF 센서, 액추에이터 및 기타 IC 모델을 개발자들에게 제공하기 위해 노력하고 있다. NVIDIA HSB는 협업을 통해 ST의 툴체인에 통합되고 있다.
결과적으로, ST와 NVIDIA는 더욱 정확한 모델이 로봇 학습을 크게 향상시킬 것으로 전망한다. 실제 기기의 동작을 정밀하게 반영하는 모델을 통해 로봇은 실제 조건을 더 잘 반영하는 시뮬레이션에서 학습할 수 있다. 따라서 훈련 주기가 단축되고 휴머노이드 로봇 애플리케이션 구축 및 개선 비용이 절감된다는 설명이다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
