NVIDIA Omniverse, AI와 함께 만들고 검토하는 물리 시뮬레이션

NVIDIA가 10월 29일 Omniverse 라이브러리와 AI 에이전트를 결합한 시뮬레이션 개발 사례를 공개했다. 개발자가 말로 목표를 정하면 AI가 장면과 코드를 만들고, 사람이 계산 결과를 검토하며 고치는 방식이다. 로봇 작업을 시험하거나 공장 배치를 바꾸기 전에 가상 환경에서 문제를 찾는 데 활용한다. 공식 사례 소개

Isaac Sim 속 ABB YuMi 로봇과 파랑·초록·주황 큐브, 색별 배치 목표 위치
YuMi 로봇의 큐브 집기·옮기기 시험 화면. 출처: NVIDIA의 10월 8일 튜토리얼. 이미지를 누르면 확대된다.

이 화면은 10월 8일 공개된 CAD 준비 튜토리얼의 로봇 시험 장면이다. 설계 파일에서 시작해 외형과 물리 속성을 갖춘 모델을 만들고, 집게로 물체를 옮기는 작업까지 확인하는 과정을 보여준다.

Omniverse에서 AI는 무엇을 하나?

Omniverse는 NVIDIA가 제공하는 3D 데이터 처리·물리 계산·렌더링 도구 모음이다. AI 모델이 작업 순서를 정하고 필요한 코드를 작성하면, 연결된 라이브러리가 장면을 바꾸거나 움직임을 계산한다. 화면을 그리는 렌더링과 물체의 접촉을 계산하는 물리 엔진은 서로 다른 역할을 맡는다. Omniverse 라이브러리

AI와 시뮬레이터의 작업 분담사람이 목표와 자료 제공CAD · 사진 · 시험할 동작AI가 코드와 장면 구성OpenUSD · 관절 · 재질 설정시뮬레이터가 계산접촉 · 움직임 · 카메라 영상사람이 결과 검토오류 수정 후 다시 시험
Omniverse를 이용한 개발·검토 흐름. 공식 라이브러리 안내를 바탕으로 구성했다.

장면 데이터에는 OpenUSD를 사용한다. 물체의 모양과 재질, 배치, 시뮬레이션 속성을 여러 도구가 함께 다루기 위한 공통 표현이다. 예를 들어 집게 위치를 바꾼 장면을 물리 계산에 넘기고, 그 결과를 카메라 영상으로 확인하도록 연결할 수 있다. 개발자는 기존 프로그램에 필요한 라이브러리만 조합할 수도 있다. 데이터와 도구 구성

AI가 도구를 사용하는 방법은 NVIDIA의 Agent Skills가 안내한다. 스킬은 특정 작업의 절차와 도구 사용법을 담은 지침으로, 모델 자체를 새로 학습시키는 것과는 다르다. CAD 변환, 장면 검토, 성능 조정처럼 맡길 작업에 맞는 지침을 코딩 에이전트에 연결한다. 공식 스킬 저장소

개발자는 원하는 결과와 판단 기준을 함께 제시해야 한다. 창고라면 “로봇을 배치해 달라”는 요청에 더해 통로 폭, 물체 크기, 확인할 동작을 정하는 식이다. AI가 만든 코드와 결과를 읽고 조건을 수정하는 과정도 개발 작업에 포함된다.

겉모양을 맞춘 뒤 물리 속성을 확인한다

3D 설계 파일인 CAD에는 로봇 모양이 있어도 집게가 어떻게 움직이고 물체와 어디서 접촉하는지까지 준비돼 있지는 않다. SimReady는 용도에 맞는 시뮬레이션 속성을 갖추도록 요구사항을 정하고 검사하는 체계다. 빠진 충돌 영역이나 잘못된 관절을 찾아 고쳐야 가상 로봇으로 동작을 시험할 수 있다. SimReady 준비 과정

왼쪽은 시뮬레이션 YuMi, 오른쪽은 ABB 실물 참고 사진으로 외형과 재질을 비교한 모습
시뮬레이션 모델(왼쪽)과 실물 참고 사진(오른쪽)의 외형 비교. 출처: NVIDIA. 이미지를 누르면 확대된다.

YuMi 사례에서는 OpenAI의 GPT-6 Astra를 이용해 변환과 설정을 돕는 코드를 작성했다. 모델과 도구의 개발사는 구분된다. Astra가 개발을 돕고, NVIDIA의 Omniverse와 Isaac Sim이 장면 처리와 로봇 시뮬레이션을 맡는다. 튜토리얼은 다른 모델과 로봇에도 이 작업 흐름을 적용할 수 있다고 설명한다. 사례의 구성

외형 비교를 통과해도 실제 로봇과 같은 운동을 보장하지는 않는다. 이 사례의 질량 분포와 마찰 등에는 추정값이 들어갔고 실물 측정으로 보정하지 않았다. 색별 배치 목표 위치는 장면 데이터로 정했다. 따라서 결과를 읽을 때는 사용한 물리 조건과 입력 정보를 함께 봐야 한다. 설정의 가정과 검증 범위

시뮬레이션으로 어떤 문제를 찾나?

10월 29일 소개된 창고 사례에서는 물체 수를 늘려가며 병목을 조사했다. 컨베이어 80개, 로봇 팔 40개, 상자 800개가 있는 장면은 2분 시험에서 풀 HD 기준 초당 30프레임을 유지했다. 규모를 다시 두 배로 늘리자 성능이 떨어졌고, 물리 계산과 로봇 제어 쪽으로 원인을 좁혔다. 창고 확장 시험

이 수치는 해당 구성에서 화면과 계산이 얼마나 원활하게 돌아갔는지 보여주는 개발팀의 결과다. 다른 하드웨어의 보장 성능이나 실제 창고의 처리량으로 환산할 수는 없다. 복잡도를 단계적으로 올리며 어느 부분을 개선할지 찾았다는 데 의미가 있다.

또 다른 사례는 실제 카메라·라이다 기록과 가상 센서 출력을 비교해 장면을 수정했다. 라이다는 빛을 쏘아 주변 물체까지의 거리를 측정하는 센서다. 빠진 물체나 잘못된 재질을 고친 뒤 차이가 줄었는지 다시 확인했다. 개발자가 지표와 결과를 검토하며 가상 환경을 개선하는 활용법이다. 센서 비교를 통한 장면 개선

지금 시작하려면 무엇이 필요한가?

현재 이용 경로는 개발용 라이브러리와 예제, 스킬이다. 대화창에 접속하는 것만으로 모든 사례가 바로 실행되는 완제품은 아니다. 공식 스킬 저장소에서 필요한 작업 지침을 선택하고, 사용할 코딩 에이전트와 시뮬레이션 환경을 준비한다. 스킬마다 연결할 제품과 설치 조건이 다르다. 스킬 설치 안내

RTX 렌더링을 맡는 ovrtx는 C·Python 인터페이스와 설치 가능한 패키지를 제공한다. Python 최소 예제는 장면을 읽어 한 장의 이미지를 출력하므로, 더 큰 작업을 연결하기 전에 기본 환경을 확인하는 출발점으로 쓸 수 있다. 실행에는 호환 NVIDIA RTX GPU와 드라이버가 필요하며 지원 운영체제와 버전도 확인해야 한다. ovrtx 설치·하드웨어 조건

공개 코드의 라이선스와 모델 서비스 이용 조건은 각각 적용된다. 필요한 GPU 자원과 모델 호출 비용도 사용 환경에 따라 달라진다. 로봇을 실제로 움직이기 전에는 시뮬레이션에 넣은 가정과 측정값을 맞추고, 목표 작업의 성공 기준을 별도로 검증해야 한다.

Donghun Ryou



Search the website


today visits :

1214

total visits :

144612


Comments

“NVIDIA Omniverse, AI와 함께 만들고 검토하는 물리 시뮬레이션”에 대한 1개의 응답

답글 남기기