미국 매사추세츠공대(MIT) 학생들이 엔비디아 기술로 구동되는 데이터 사이언스 워크스테이션을 통해 자율주행 기술을 배우고 있습니다.
MIT 로봇공학 학부수업에서 17명의 학생들이 3개 팀으로 나뉘어 미니 경주용 자동차를 받았습니다. 학생들은 MIT의 스타타 센터(Stata Center) 지하에서 경주용 차가 복잡한 코스를 스스로 주행할 수 있도록 학습시켜야 합니다.
MIT 항공우주항행학 부교수인 세르택 카라만(Sertac Karaman)은 인간의 시범을 통해 자율주행 모델을 학습시키는 기술인 모범 학습 과정을 학생들에게 가르칠 생각이었습니다.
엔비디아의 젯슨 AGX 자비에(Xavier)와 쿼드로(Quadro) RTX 기반 데이터 사이언스 워크스테이션은 카라만 부교수와 학생들이 다양한 AI 기반 시제품을 제작할 수 있게 지원하는 가속화 컴퓨팅 능력을 제공합니다.
데이터 사이언스 워크스테이션으로 자율주행 자동차를 만든 학생들
모방학습 과정을 통해, 학생들은 자동차에 텐서플로우(TensorFlow) 뉴럴 네트워크를 학습시켜 자율주행하는 법을 가르쳐야 했습니다. 하지만 먼저, 학생들은 자동차가 스타타 센터의 복도나 문을 통과해 주행할 수 있도록 실내 코스에 대한 가능한 한 많은 데이터를 수집해야 했죠.
각 차량에는 성능 주도 자율주행 머신을 위한 엔비디아 젯슨 AGX 자비에가 내장된 모듈 시스템이 장착돼 있습니다. 학생들은 조이스틱을 사용해 소형 차량이 복잡한 코스를 수동으로 주행하도록 하고, 차량 전면에 설치된 카메라를 통해 데이터를 기록했습니다.
그 다음 뉴럴 네트워크가 엔비디아 파일럿넷(PilotNet) 아키텍처를 통해 기록된 데이터를 처리해, 관찰한 내용을 행동으로 옮길 수 있는 방법을 매핑하고 학습하고, 자동차가 카메라의 시각정보를 바탕으로 운전 각도를 추산할 수 있게 했습니다.
학생들은 엔비디아 쿼드로 RTX GPU로 구동되는 데이터 사이언스 워크스테이션의 고급 컴퓨팅 기능을 활용해 자신의 텐서플로우 모델을 학습시킨 뒤에 미니 경주차에 탑재해 온디바이스(on-device) AI 추론을 진행합니다.
데이터 사이언스 워크스테이션은 작업 속도를 큰 폭으로 높여 반복작업의 횟수를 크게 줄였습니다. 덕분에 학생들은 다양한 모델을 빠르게 학습하고 테스트해 자신의 경주차에 가장 적합한 모델을 찾을 수 있었답니다.
세르택 카라만 부교수는 “모델 학습의 속도가 우리가 본 중 가장 빠른 수준이었기 때문에 학생들이 프로젝트를 성공시킬 수 있었습니다. 엔비디아의 데이터 사이언스 워크스테이션의 가속화 컴퓨팅 성능 덕분에 반 학생들이 여러 번 반복할 수 있었고 가장 성능이 뛰어난 경주용차의 경우 단 몇 분 만에 학습을 마칠 수 있었습니다”라고 말했습니다.
세르택 카라만 부교수는 데이터 사이언스 워크스테이션과 사전에 설치된 AI 소프트웨어 스택을 이용해 올해도 로봇공학 수업을 가르칠 계획입니다.
쿼드로 RTX로 구동되는 데이터 사이언스 워크스테이션에 대한 보다 자세한 내용을 확인해 보세요.