물리적 AI를 위한 시뮬레이션 현황: 개요

물리적 AI의 주요 과제는 데이터 가용성입니다. 로봇은 대규모 언어 모델(LLM)처럼 인터넷 규모의 데이터셋을 활용할 수 없기 때문입니다. 시뮬레이션은 이러한 격차를 메우기 위해 사실적이고 물리적으로 기반한 대량의 데이터를 저비용으로 생성합니다. 현대 시뮬레이터는 이제 인식 데이터셋 생성, 강화 학습(RL) 훈련, 정책 평가, 시뮬레이션-실제 전이(sim-to-real transfer)와 같은 모델 개발 루프에 통합되었습니다. 주요 엔진으로는 정밀한 동역학과 접촉이 많은 움직임에 초점을 맞춘 MuJoCo, GPU 가속 배치 시뮬레이션을 위한 MuJoCo Warp, 고충실도 물리 및 렌더링을 위한 옴니버스(Omniverse) 기반 프레임워크인 NVIDIA Isaac Sim, 경량 멀티 백엔드 로봇 학습 프레임워크인 Isaac Lab이 있습니다. NVIDIA, Google DeepMind, Disney Research가 개발한 뉴턴(Newton) 물리 엔진은 오픈소스이며 GPU 가속을 지원하고 다양한 물리 시스템을 위한 여러 솔버(solver)를 제공합니다. 뉴턴은 Isaac Lab에 통합되어 있으며 MuJoCo Warp를 백엔드로 지원합니다. 생태계는 공유 인프라를 갖춘 계층형 스택으로 분화되고 있으며, 대부분은 오픈소스입니다.