폭스바겐 그룹 브랜드 전반의 공동 자율주행차 데이터 플라이휠을 이끄는 Porsche

2026년 10월 21일 NVIDIA의 GTC Berlin 콘퍼런스에서 Porsche와 Volkswagen Group 브랜드들, CARIAD는 자율주행차 개발을 위한 공동 데이터 플라이휠을 함께 구축하고 있다고 발표했다. Porsche는 Voxel51, NVIDIA, Microsoft와 함께 초기 구현과 생태계 통합을 주도한다.

폭스바겐 그룹은 차량 운행 데이터와 시뮬레이션, 학습, 평가를 연결하는 물리 AI 스택 개발을 주도하고 있다. Voxel51에 따르면 그룹의 커넥티드 차량은 하루 평균 운전자 11,000명에 해당하는 데이터를 생성한다. 양사는 이번 협력으로 반복적인 실차 시험 주행을 최대 90% 줄이고 AI 회귀 테스트 주기를 최대 85% 단축할 수 있을 것으로 보고 있다.

플라이휠 내 각 기업의 역할

각 기업은 이번 협력을 차세대 첨단 주행 시스템을 개발하는 자동차 제조사를 위한 참조 아키텍처로 설명한다.

폭스바겐은 커넥티드 차량, 실제 주행 데이터, 차량 플랫폼, 시스템 요구사항을 제공한다. Voxel51은 데이터 계층을 제공하며, 플라이휠 내 다음 여섯 가지 워크플로를 지원한다. 멀티모달 검색 및 검색 결과 조회, 자동 라벨링, 시나리오 기반 선별, 데이터 세트 균형 조정, 학습 데이터 선정, 모델 검증이다. NVIDIA는 데이터 검색·생성·시뮬레이션 기술을 제공한다. 여기에는 학습 데이터를 준비·보강·평가하는 Cosmos Data Factory, 실제 주행을 재구성하는 Omniverse NuRec 라이브러리, 시뮬레이션 환경에서 주행 시스템을 테스트하기 위한 개방형 모델과 도구가 포함된다. Microsoft Azure는 클라우드와 컴퓨팅 자원을 제공하며, 워크로드는 그룹이 이미 사용 중인 인프라에서 차량 전체 규모로 실행된다.

콘퍼런스와 관련해 NVIDIA가 자체 뉴스룸에 공개한 발표에 따르면 Porsche는 Voxel51을 통해 폭스바겐 그룹 브랜드 전반의 데이터 플라이휠 워크플로 개발을 주도하고 있으며, Azure에서 Cosmos Data Factory와 Omniverse NuRec를 사용한다.

NVIDIA의 자동차 부문 부사장 Rishi Dhall은 발표에서 시뮬레이션을 통해 실제 주행 경험이 지속적인 학습과 개선의 순환으로 바뀌고 있다고 말했다. 또한 폭스바겐 그룹은 Voxel51의 데이터 플랫폼과 Omniverse NuRec, Cosmos를 함께 활용해 차량 운행 데이터를 높은 충실도의 시뮬레이션 시나리오로 전환할 수 있다고 밝혔다.

감사, 생성 게이트, 재구성 결과

주행 소프트웨어 배포 버전을 가상으로 검증하는 것은 Porsche와 폭스바겐 그룹이 플라이휠을 활용하는 초기 사례 중 하나다. 엔지니어는 실제 주행에서 얻은 카메라 입력을 재구성해 렌더링하고, 시뮬레이션 결과를 실제 측정값과 대조한다. Voxel51은 테스트를 반복 가능하게 하고 피드백 주기를 단축하며 실차 시험 주행에 대한 의존도를 낮추는 것이 목표라고 밝혔다.

녹화 데이터가 GPU 재구성 단계에 도달하기 전에 Voxel51은 센서 무결성, 타이밍, 보정, 궤적, 객체, 좌표계를 다루는 약 80개 항목을 검사해 원시 로그를 감사한다. Voxel51의 물리 AI 파트너십 책임자 Dan Gural이 작성한 기술 심층 분석에 따르면, 감사 도구는 MCAP 파일을 직접 읽고 세 단계로 실행된다. 첫 번째 매니페스트 검사는 주행 데이터당 약 1밀리초, 에피소드 검사는 약 1초, 디코딩 검사는 주행 데이터당 몇 분이 걸린다. 각 검사에는 통과, 실패 또는 실행 불가 여부가 기록된다. Voxel51이 이를 “침묵은 통과가 아니다”라는 원칙으로 설명하는 만큼, 입력이 누락됐다고 해서 유효한 데이터로 간주할 수 없다.

Gural은 이 순환 과정을 찾기, 확인, 생성, 재구성, 평가의 다섯 단계로 설명한다. 찾기 단계에서 플랫폼은 NVIDIA Cosmos Dataset Search를 통합하며, 클립은 Cosmos-Embed1을 통해 임베딩한 뒤 Milvus에 저장한다. 이어 에이전트 기반 재순위화 시스템은 플래너 모델이 검색 의도에 따라 평가 기준을 작성하도록 하고, Cosmos Reason을 사용해 각 클립을 해당 기준에 따라 점수화한 다음 목록의 순위를 다시 매긴다.

Gural에 따르면 Voxel51은 nuScenes, Waymo, PandaSet, Argoverse 2, MAN TruckScenes, aiMotive, Lyft Level 5 등 공개 데이터 세트 7개를 대상으로 감사를 검증했다. 감사 과정에서 공개된 데이터의 문제 25건을 확인했으며, 그중 17건은 재구성 전에 수정됐다. Cosmos Data Factory를 이용한 합성 데이터 생성과 관련해 심층 분석 자료는 저장된 게이트 증거에서 샘플링 단계 12개가 수락률 면에서 35개와 일치해 클립당 비용을 GPU 시간 6.80분에서 2.43분으로 낮춘 사실을 보고했다. 또한 속성 게이트를 통과한 생성 클립은 30~38%에 불과했고, 판정 모델을 재보정한 결과 GPU 시간을 추가로 쓰지 않고도 의미적 통과율이 3%에서 91%로 상승했다고 전했다.

재구성과 관련해 심층 분석 자료는 NVIDIA H100 GPU에서 처리한 공개 nuScenes 장면 25개에서 첨두 신호 대 잡음비의 중앙값이 29.05dB였다고 보고했다. 자료에는 nuScenes의 야간 장면 한 곳이 해당 지표에서 28.59dB를 기록했지만 구조적 유사도 점수는 0.56, 학습 기반 지각 유사도 점수는 0.61에 그친 사례도 제시됐다. Gural은 이를 통해 이미지 품질을 단일 수치로만 평가하면 눈에 띄게 품질이 낮은 결과도 통과할 수 있음을 보여준다. 모든 재구성 결과는 사람의 검토 대기열에 들어가며, 엔지니어는 이를 시뮬레이션에 사용하도록 승인하거나 재학습을 위해 돌려보내거나 거부한다. 완성된 장면은 NVIDIA AlpaSim을 비롯한 시뮬레이터에서 바로 사용할 수 있도록 USDZ 파일로 패키징된다.

Azure 배포와 플라이휠 운영 주체

각 단계는 Microsoft Azure에서 작업으로 실행되며, Volkswagen Group은 이곳에서 차량 fleet 데이터를 관리합니다. Azure는 데이터 처리, 재구성, 시뮬레이션에 필요한 저장 공간과 컴퓨팅 자원을 제공하는 동시에, 이러한 작업 부하를 그룹의 기존 보안, ID 및 지역별 거버넌스 체계 안에서 유지합니다.

Voxel51은 공통 데이터 모델을 통해 한 프로젝트에서 생성한 주행 데이터와 시나리오를 여러 차량 프로그램, 소프트웨어 출시 및 브랜드에 걸쳐 이어서 활용할 수 있다고 밝혔습니다. 주행 데이터가 새로 추가될 때마다 시나리오 기반이 확장되고, 재구성된 장면은 향후 개발 및 검증 주기에서 재사용할 수 있습니다.

Voxel51의 공동 창업자이자 CEO인 Brian Moore는 자동차 제조업체가 모든 도구를 직접 만들지 않고도 자체 개발 과정을 통제할 수 있다고 썼습니다. “업계를 선도하는 성능을 제대로 구현하려면 회사가 이용할 수 있는 데이터를 활용해야 합니다. 기술 스택의 모든 계층을 직접 구축하지 않더라도 개발과 반복 개선 과정을 직접 주도해야 합니다.” Voxel51은 자사 플랫폼을 확장 가능하다고 설명하며, 팀이 자체 모델을 가져오고 맞춤형 시나리오 로직을 정의하며 기존 데이터와 인프라를 연결할 수 있도록 하되, 주행 시스템 자체를 어떤 방식으로 구축해야 하는지는 규정하지 않는다고 밝혔습니다.

Voxel51은 Porsche와 2024년에 협업을 시작했다고 전했습니다. 당시 Porsche의 기술 책임자 Tin Stribor Sohn은 데이터를 이해하기 위한 자동 라벨링, 새롭거나 중요한 요소를 찾아내기 위한 시나리오 탐지, 중복을 제거하기 위한 데이터 선별이 필요한 과제라고 설명했습니다. Voxel51의 게시물은 McKinsey 설문조사를 인용해 전 세계 소비자 4명 중 1명이 더 나은 자율주행 기능을 위해 브랜드를 바꿀 의향이 있다고도 밝혔습니다.

한편 GTC Berlin에서 NVIDIA가 발표한 자료에 따르면, Volkswagen Commercial Vehicles는 여러 자율주행 시스템을 지원하기 위해 NVIDIA Hyperion 컴퓨팅 플랫폼에서 자율주행 차량 플랫폼인 ID. Buzz AD를 선보이고 있습니다.