CoreWeave, 로보틱스 및 자율주행차 개발용 피지컬 AI 템플릿 출시

로보틱스 팀이 새로운 정책을 시험하려면 먼저 시뮬레이터와 데이터, 스토리지, 컴퓨팅 자원이 서로 연동되도록 준비해야 합니다. CoreWeave는 로보틱스, 자율주행차, 시뮬레이션을 위한 테스트 완료 워크로드 템플릿 모음인 Physical AI Launchables를 통해 이러한 준비 작업을 지원합니다. 이 제품은 10월 21일 발표됐습니다.

이 템플릿은 NVIDIA Isaac Sim, CARLA, MuJoCo, NVIDIA AlpaSim, NVIDIA Cosmos 3 등 5개 도구의 환경을 패키징해, 엔지니어가 인프라를 처음부터 구성하는 대신 명령어 하나로 워크로드를 설정하고 시작할 수 있도록 합니다. 이번 출시에는 코딩 에이전트가 동일한 워크플로를 수행하도록 지원하는 스킬도 포함됩니다.

개발자에게 중요한 질문은 무엇을 반복 가능하게 만들 수 있느냐는 점입니다. Launchables는 실험마다 작동 환경을 유지하면서도 팀이 결과를 좌우하는 장면, 데이터 세트, 모델, 설정을 바꿀 수 있도록 하는 것을 목표로 합니다.

실험에 앞서 필요한 설정 작업을 기반 환경에 담다

피지컬 AI 실험에는 모델 실행 이상의 작업이 필요합니다. 주행 평가에는 시뮬레이터와 시나리오가 필요하고, 로봇 학습 작업에는 환경과 정책, 결과를 수집하는 방법이 필요합니다. 이러한 요소를 뒷받침할 적절한 스토리지와 컴퓨팅 자원, 실행 한도도 갖춰야 합니다.

CoreWeave에 따르면 엔지니어들이 각 템플릿의 기반이 되는 구성을 구축하고 테스트했습니다. 팀은 진행 중인 프로그램에는 예약 용량을, 개별 실험에는 버스트 작업을 활용해 이러한 구성을 각자의 작업에 맞게 조정할 수 있습니다. 지원되는 각 도구에는 워크로드를 미리 지정하지 않고 환경만 제공하는 빈 템플릿도 있습니다.

CoreWeave의 피지컬 AI 부문 수석 부사장인 Richard Ahlfeld는 발표문에서 “Physical AI Launchables는 고객이 이미 사용하는 도구를 위한 검증된 출발점을 제공하므로, 고객은 자신들만 할 수 있는 작업에 더 많은 시간을 쓸 수 있습니다”라고 말했습니다.

이 구분은 유용합니다. CoreWeave는 패키징과 실행 계층을 제공하고, 시뮬레이션 및 모델링 소프트웨어는 NVIDIA와 다른 개발사가 제공합니다. 무엇을 시험할지, 그리고 결과가 의미 있는지는 여전히 팀이 판단해야 합니다.

첫 템플릿으로 실행할 수 있는 작업

CoreWeave의 기술 출시 게시물을 보면 템플릿 모음의 구체적인 활용 사례를 확인할 수 있습니다. 예시에는 로봇 조작, 시뮬레이션 주행, 합성 데이터, 강화 학습이 포함됩니다.

• NVIDIA Isaac Sim: 로봇 팔의 집기 및 배치 작업, 라벨이 지정된 창고 장면, 차량 동역학 실험.
• CARLA: 검토용 동영상을 생성하는 주행 시나리오 일괄 실행.
• MuJoCo: 병렬 강화 학습 실험과 주방 조작 작업.
• NVIDIA AlpaSim: 폐루프 주행 평가.
• NVIDIA Cosmos 3: 수집하기 어렵거나 비용이 많이 들 수 있는 동영상 시나리오 생성.

이는 고정된 시연 모음이 아니라 출발점이 되는 구성입니다. 엔지니어는 테스트된 기반 환경을 그대로 유지하면서 워크로드 매개변수를 바꾸거나 애플리케이션 코드를 수정할 수 있습니다. 이번 출시에는 데이터 증강, 라벨링, 큐레이션, 검색을 위한 NVIDIA Cosmos Data Factory 스킬도 포함됩니다. CoreWeave는 관련 템플릿을 추가로 제공할 계획이라고 밝혔습니다.

코딩 에이전트도 엔지니어와 동일한 제어 기능 사용

Launchables에는 Claude Code, Codex 및 기타 코딩 에이전트를 위한 CoreWeave 전용 스킬이 포함됩니다. 이 스킬은 에이전트에 관련 설정을 안내하고, 실행을 시작하고 모니터링하며 결과를 가져오는 데 사용하는 명령어에 접근할 수 있도록 합니다.

이번 발표는 작업의 완료와 실험의 성공이 서로 다르다는 점을 강조합니다. 프로세스가 종료됐다고 해서 주행 정책이 시나리오를 잘 처리했거나 로봇이 작업을 달성했다고 입증되는 것은 아닙니다. 일관된 인터페이스를 통해 보고서와 지표, 미디어, 진단 정보를 반환하면 엔지니어와 에이전트 모두 실행 후 평가에 활용할 자료를 확보할 수 있습니다.

이를 통해 반복되는 실험 전반에서 자동화를 더 유용하게 활용할 수 있습니다. 에이전트가 워크플로 운영을 도울 수는 있지만, 적절한 평가 방법과 성공 기준은 여전히 팀이 마련해야 합니다. 배포가 정상적으로 작동한다고 해서 모델이 실제 시스템에 적용할 준비를 마쳤다는 뜻은 아닙니다.

GPU 작업에 GPU 시간을 집중하다

이번 발표는 작업이 자원을 어떻게 소비하는지도 다룹니다. 워크로드가 허용하는 경우 템플릿은 CPU에서 수행하는 준비 및 후처리 작업과 GPU 실행을 분리해, 해당 단계가 끝나면 GPU 용량을 반환합니다. 템플릿에는 병렬 실행을 조율하는 데 도움이 되도록 자원 요구 사항과 동시 실행 한도가 명시됩니다.

값비싼 하드웨어가 다른 작업을 기다리는 시간도 실험 비용에 포함되므로 이는 중요합니다. 단계를 분리하면 자원 배분을 개선할 수 있지만, 실제 효과는 워크로드와 필요한 준비, 시뮬레이션, 학습, 분석 작업의 양에 따라 달라집니다.

제공된 발표문에서 CoreWeave는 Launchables의 일반적인 벤치마크나 보편적으로 적용되는 설정 시간 단축 수치를 제시하지 않았습니다. 당장 내세우는 것은 테스트를 거친 구성과 이를 운영하기 위한 공통 방식이지, 모든 로보틱스 프로젝트에 적용되는 측정된 성능 향상이 아닙니다.

Launchables가 CoreWeave의 피지컬 AI 스택에서 차지하는 위치

이번 출시는 CoreWeave의 영역을 단순한 GPU 용량 제공에서 이를 활용하는 소프트웨어 워크플로까지 확장합니다. 회사는 피지컬 AI 플랫폼 페이지에서 GPU 및 CPU 컴퓨팅, 네트워킹, 스토리지, Kubernetes 오케스트레이션, Kubernetes 기반 Slurm을 아우르는 인프라를 소개합니다. 이러한 구성 요소는 데이터 준비, 시뮬레이션, 모델 학습에 필요한 각기 다른 요구를 뒷받침합니다.

더 폭넓은 클라우드 플랫폼은 해당 인프라를 CoreWeave Forge와 연결합니다. CoreWeave Forge에는 모델과 에이전트를 관찰하고 평가하며 개선하는 도구가 모여 있습니다. Launchables는 이러한 계층 위에 테스트를 거친 엔지니어링 워크로드를 더합니다. 데이터, 실험, 평가 사이를 오가는 과정에서 팀이 직접 구성해야 하는 환경의 수를 줄이는 것이 이 전략의 목표입니다.

CoreWeave는 자사 인프라를 활용하는 소프트웨어 파트너로 Cadence, Convergent Science, Encord, nTop, PhysicsX, Voxel51도 언급했습니다. 이들 파트너십은 데이터 및 컴퓨터 비전 도구부터 엔지니어링 시뮬레이션까지 아우릅니다. 그렇다고 모든 파트너 제품이 이미 Launchables 템플릿으로 제공된다는 뜻은 아닙니다.

더 빠른 시작에도 탄탄한 평가가 필요하다

기회는 분명합니다. 한 실험에서 다음 실험으로 환경을 그대로 유지할 수 있으면 팀은 모델을 비교하고 실패 원인을 조사하는 데 더 많은 시간을 쓸 수 있습니다. 공유 템플릿을 사용하면 변수를 바꾸기 전에 동료가 구성을 재현하기도 쉬워집니다.

더 어려운 문제는 해당 분야 자체에 남아 있습니다. 시뮬레이션 장면은 유용한 조건을 반영해야 하고, 합성 데이터는 작업에 적합해야 하며, 평가는 시뮬레이터 밖에서도 중요한 실패를 드러내야 합니다. Launchables는 이러한 테스트를 실행하는 절차를 간소화할 수 있지만, 테스트를 신중하게 설계해야 할 필요까지 없애 주지는 않습니다.

CoreWeave는 초기 카탈로그와 추가 정보를 확인하려는 팀에 피지컬 AI Launchables 개요를 안내합니다. 로보틱스 및 자율주행차 개발자에게 실질적인 매력은 실험 아이디어에서 검토 가능한 결과를 얻기까지의 과정을 단축할 수 있다는 점입니다.