MS리서치, 로봇 AI 연산 온보드서 클라우드로 이전 제안

ai.euno.news 자동 뉴스 요약

마이크로소프트 리서치가 로봇 AI 추론을 온보드 GPU 대신 엣지·클라우드로 넘기는 새로운 아키텍처를 제시했다. 로봇에 장착된 GPU에서만 인공지능 연산을 처리하던 기존 방식이 성능과 배터리 수명, 확장성을 오히려 제약한다는 문제의식에서 나온 결과다.¹

지금까지 물리적 AI(physical AI) 로봇의 표준 구성은 로봇 본체에 GPU를 직접 배선해 인식과 동작 계획, 실행을 모두 온보드에서 처리하는 방식이었다. 상위 수준의 경로 계획 정도만 클라우드에서 이뤄지고, 실제 작업 실행은 로봇 자체에 묶여 있었다. 마이크로소프트 리서치는 이 전제 자체에 의문을 던졌다. AI 모델이 커지고 정교해질수록 온보드 컴퓨팅의 한계가 뚜렷해지기 때문이다. GPU는 전력을 많이 먹어 배터리 수명을 줄이고, 무게와 비용을 늘리며, 최신 세대 모델을 구동하기 어렵게 만든다.

연구팀은 이를 확인하기 위해 로보틱스 워크로드에 대한 첫 체계적 연구를 진행했다. 대상은 이동형 로봇 조작(mobile robotic manipulation) 작업으로, “주방에서 쓰레기를 찾아 쓰레기통에 넣어라” 같은 과제를 예로 들었다. 이 작업은 주방까지 경로를 계획하고, 환경을 인식해 쓰레기를 찾고, 이동해 집어 든 뒤 다시 쓰레기통으로 돌아오는 여러 단계로 구성된다. 연구팀은 의미 지도화(semantic mapping)와 계획, 내비게이션, 조작이라는 세 핵심 기능에 걸쳐 대표적인 모델들을 온보드·엣지·클라우드 구성으로 나눠 평가했다.

결과는 뚜렷했다. 일부 소형 GPU는 이동형 조작 스택 자체를 감당하지 못했고, 메모리가 충분한 GPU에서도 지도화·계획 작업이 A100 대비 최대 383% 느려져 동적인 공간에서 로봇의 대응 능력을 제한했다. 반면 추론을 로봇 밖으로 옮기자 작업 성공률과 응답 속도, 정확도가 함께 개선됐고, 더 큰 모델을 구동할 여지도 생겼다. 마이크로소프트 리서치는 전력을 많이 쓰는 온보드 AI 연산 장치를 가벼운 하드웨어로 대체하고 추론을 원격으로 처리하면 배터리 수명도 크게 늘어난다고 밝혔다.

이번 발표는 연구 결과와 함께 실제 도구도 내놓았다. 물리적 AI 툴체인(Physical AI Toolchain)에 쿠버네티스(Kubernetes) 기반 오케스트레이션 기능을 새로 추가해, 개발자가 로보틱스 AI 워크로드를 컨테이너화하고 로봇·엣지 인프라·클라우드 사이에서 분산 배포할 수 있게 했다는 설명이다.

다만 자료에 소개된 수치는 마이크로소프트 리서치 자체 평가 결과이며, 정확한 테스트 하드웨어 구성은 별도 기술 보고서에 담겨 있다고 밝혔을 뿐 이번 블로그 글에는 상세 내역이 제시되지 않았다. 네트워크 지연이나 연결 끊김 상황에서 오프로딩 방식이 얼마나 안정적인지에 대해서는 이번 자료에서 다루지 않았다.

읽기 목록은 이 브라우저에 저장됩니다.