【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스][현장] 엔비디아 ‘알파마요’ 이끄는 마르코 파보네가 말하는 ‘판단 이유까지 말하는 자율주행 AI’는?

온카뱅크관리자

2026-09-04 07:57:24

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="Ptyf5xpXlc">
          <div contents-hash="61edb1afad1cde454f2e7389676d2a84cc1b5a6af84351912cae474f32d41b16" dmcf-pid="QFW41MUZWA" dmcf-ptype="general">
           <h5>마르코 파보네 엔비디아 자율주행차 연구 시니어 디렉터, 서울서 ‘피지컬 AI 추론 모델’ 제시</h5>
           <h5>롱테일 상황서 빛나는 ‘추론’…알파마요, 판단 과정과 주행 행동 연결</h5>
           <h5>“6개월 전과도 다르다”…AI 에이전트가 자율주행 개발 방식까지 바꿔</h5>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="44e51de19d45017131733a7034db482cbdb944c4c3f6d51775d8ebf678f536d1" dmcf-pid="x3Y8tRu5Wj" dmcf-ptype="figure">
           <p class="link_figure"><img alt="스탠퍼드대학교 항공우주공학과 부교수이자 엔비디아에서 자율주행차 연구를 이끄는 파보네 박사는 이날 ‘피지컬 AI를 위한 추론 모델’을 주제로 파운데이션 모델(Foundation Model)과 추론 모델(Reasoning Model)이 자율주행 개발 방식을 어떻게 바꾸고 있는지를 설명했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075149970lrbn.jpg" data-org-width="1024" dmcf-mid="9OZ1mUlwSs" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075149970lrbn.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            스탠퍼드대학교 항공우주공학과 부교수이자 엔비디아에서 자율주행차 연구를 이끄는 파보네 박사는 이날 ‘피지컬 AI를 위한 추론 모델’을 주제로 파운데이션 모델(Foundation Model)과 추론 모델(Reasoning Model)이 자율주행 개발 방식을 어떻게 바꾸고 있는지를 설명했다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="bc5257331c0ea1386c5d07525a5cf1ed36bf94371bdd3122fe6ff4b5df167384" dmcf-pid="yaRloYcnyN" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="aa43ab826ae98dfc906c7801b4a277fd028932a5f486e31bab06adc5225e062b" dmcf-pid="WNeSgGkLla" dmcf-ptype="general">20여 년 전만 해도 자율주행차가 장애물을 피해 정해진 사막 코스를 완주하는 일은 최첨단 기술의 시험대에서만 가능했다. 마르코 파보네(Marco Pavone) 엔비디아 자율주행차 연구 시니어 디렉터(이하 파보네 박사)는 지난달 25일 서울 코엑스에서 열린 ‘2026 자율주행 산업 컨퍼런스(AME Conference 2026)’ 키노트에서 2005년 미국 국방고등연구계획국(DARPA) 그랜드 챌린지 영상을 꺼내 들었다. 당시 자율주행 기술의 수준을 보여준 장면과 오늘날 실제 도로에서 상용 서비스를 제공하는 무인 자율주행차를 대비시키기 위해서였다. </p>
          <p contents-hash="8391498c68e52a799b0db34ecf0913d0082364f31354e858c72380e689f424bc" dmcf-pid="YjdvaHEoSg" dmcf-ptype="general">파보네 박사가 짚은 다음 과제는 ‘더 잘 달리는 차’에 머물지 않았다. 도로 위에서 처음 접하거나 좀처럼 발생하지 않는 상황을 만났을 때 무엇이 위험한지 파악하고, 왜 감속하거나 차선을 바꿔야 하는지를 추론하는 AI다. 정해진 규칙이나 학습한 패턴을 따라 행동을 출력하는 데서 한발 더 나아가 판단 과정과 실제 차량 행동을 연결하겠다는 것이다. </p>
          <p contents-hash="8aeed12694442d1fbd98d8b576b2bdffb984b434c968f22921e6f112604ac419" dmcf-pid="GAJTNXDglo" dmcf-ptype="general">스탠퍼드대학교 항공우주공학과 부교수이자 엔비디아에서 자율주행차 연구를 이끄는 파보네 박사는 이날 ‘피지컬 AI를 위한 추론 모델’을 주제로 파운데이션 모델(Foundation Model)과 추론 모델(Reasoning Model)이 자율주행 개발 방식을 어떻게 바꾸고 있는지를 설명했다. 그의 발표를 관통한 화두는 엔비디아의 비전·언어·행동(Vision-Language-Action, VLA) 모델 ‘알파마요(Alpamayo)’였다. </p>
          <div contents-hash="93a2dcc9362aa02e4be01cace739301ec03a6f431e5a121132fffcfbc2df20c6" dmcf-pid="HaRloYcnCL" dmcf-ptype="general">
           <strong>평범한 직진보다 어려운 ‘롱테일’…알파마요가 추론을 꺼낸 이유</strong>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="179bc7f6edbcc44cc54d2802297b489bfc9be018afbc85fe6cb763c781bc1cd9" dmcf-pid="XNeSgGkLSn" dmcf-ptype="figure">
           <p class="link_figure"><img alt="엔비디아 알파마요 1의 아키텍처. 카메라 영상과 내비게이션 등의 정보를 분석해 판단 근거가 담긴 추론 과정과 차량의 주행 궤적을 함께 생성하도록 설계됐다. (자료=엔비디아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075151534ugwm.png" data-org-width="997" dmcf-mid="24YhLWAiTm" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075151534ugwm.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            엔비디아 알파마요 1의 아키텍처. 카메라 영상과 내비게이션 등의 정보를 분석해 판단 근거가 담긴 추론 과정과 차량의 주행 궤적을 함께 생성하도록 설계됐다. (자료=엔비디아)
           </figcaption>
          </figure>
          <div contents-hash="4b69a0ca48f5eda428b446a635fe5c17b70585779ae2ae87465d3bc74751cccc" dmcf-pid="ZjdvaHEoyi" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="7de904b0ea1850842660cbf699210c79860b8936d1cf2153838a290e9731768a" dmcf-pid="5AJTNXDgTJ" dmcf-ptype="general">자율주행에서 더 어려운 문제는 대부분의 시간에 반복되는 정상적인 주행보다 갑작스럽게 나타나는 예외 상황이다. 주변 차량이 예상과 달리 움직이거나 공사 구간에서 차선 구조가 복잡해지는 상황처럼 자주 발생하지 않지만 대응을 잘못하면 사고로 이어질 수 있는 이른바 ‘롱테일(Long Tail)’ 상황이다. 파보네 박사는 추론 모델이 필요한 이유를 설명하며 이 차이를 강조했다. </p>
          <p contents-hash="34c968f206ab7c1cb100f618be5efe5026565d3cc8e4e33d7c25d6b00ff5f548" dmcf-pid="1ciyjZwaWd" dmcf-ptype="general">“사실 대부분의 주행은 꽤 지루합니다. 그냥 도로를 따라 곧장 달리는 데는 그렇게 많은 추론이 필요하지 않죠. 추론이 정말 빛을 발하는 것은 롱테일 상황입니다. 여러 객체 사이의 관계를 따져야 하거나 공사 구간처럼 복잡한 상황을 마주했을 때입니다.” </p>
          <div contents-hash="6f6eee3476a520f8d5f8cdeadc550ec27d9e611c1b789ddda61f9d9b8e82830e" dmcf-pid="tknWA5rNCe" dmcf-ptype="general">
           발표에서 소개된 ‘알파마요1’은 시각 정보와 언어, 차량 행동을 하나의 모델에서 다루는 VLA 구조를 기반으로 한다. 엔비디아가 공개한 알파마요는 여기에 ‘인과관계 연쇄(Chain of Causation, CoC) 추론’과 주행 궤적 계획을 결합했다. 복잡한 도로 상황에서 주변 환경과 위험 요소를 해석하고 그 판단을 실제 차량 행동과 연결하는 것이 핵심이다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="17bc7641fe502ff67fd741663b5865d31c9701d6643a82b368a0312d495f3060" dmcf-pid="FELYc1mjTR" dmcf-ptype="figure">
           <p class="link_figure"><img alt="파보네 박사는 발표 첫머리에 2005년 미국 국방고등연구계획국(DARPA) 그랜드 챌린지 영상을 꺼내 들었다. 당시 자율주행 기술의 수준을 보여준 장면과 오늘날 실제 도로에서 상용 서비스를 제공하는 무인 자율주행차를 대비시키기 위해서였다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075153061bvzc.jpg" data-org-width="1024" dmcf-mid="VTSmeloMTr" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075153061bvzc.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            파보네 박사는 발표 첫머리에 2005년 미국 국방고등연구계획국(DARPA) 그랜드 챌린지 영상을 꺼내 들었다. 당시 자율주행 기술의 수준을 보여준 장면과 오늘날 실제 도로에서 상용 서비스를 제공하는 무인 자율주행차를 대비시키기 위해서였다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="cb11f632797ab14bd4845e2571161904fa11956e074e79d4a60edde52b3470b9" dmcf-pid="3DoGktsAlM" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="394757ba8383e3ff6af93e20716ae01427384db21497464a492806b672b84b6e" dmcf-pid="0GCBWf5Tlx" dmcf-ptype="general">기존 VLA 모델이 시각 입력에서 행동을 곧바로 생성하는 방식이라면, 파보네 박사가 설명한 추론형 VLA는 문제를 여러 단계로 나누고 판단의 논리를 추론 흔적 형태로 남긴다. 발표 영상에서는 주변 상황을 인식하고 위험을 예상한 뒤 차량이 어떤 행동을 취해야 하는지를 단계적으로 생성하는 과정이 제시됐다. 다만 파보네 박사는 이를 AI가 인간처럼 ‘생각한다’는 의미로 받아들여서는 안 된다는 설명도 덧붙였다. </p>
          <p contents-hash="811886a2551f9cef487377483b40b36914c56562d9ad90f7a1740af1baaed717" dmcf-pid="pHhbY41yCQ" dmcf-ptype="general">“이 모델들이 인간의 인지 능력을 갖췄다고 주장하는 것은 아닙니다. 오히려 인간의 추론과 비슷해 보이는 추론 문장을 만들어내는 일종의 통계적 과정으로 볼 수 있습니다. 중요한 것은 공간에 대한 이해와 상식적인 추론을 우리가 궁극적으로 원하는 물리적 행동과 연결한다는 것입니다.” </p>
          <p contents-hash="2653922a8e31ff1fd8a0f5687c06891c4544aae438030407556103db2120bd9b" dmcf-pid="UXlKG8tWyP" dmcf-ptype="general">판단 과정을 출력하는 이유는 설명을 보여주는 데만 있지 않다. 추론 결과와 실제 차량 행동이 서로 맞는지를 확인하는 신호로도 활용할 수 있다. 모델이 감속이 필요하다고 판단해 놓고 실제 주행 궤적에서는 가속한다면 추론과 행동 사이에 정렬 문제가 있다는 의미다. 파보네 박사는 이러한 추론과 행동의 일치를 높이는 학습 후 정렬(Post-training Alignment)의 중요성도 강조했다. </p>
          <p contents-hash="24a4925ac29a3dab3dd27a21c04b3bbd9458fb9e5f1cd1d1a067f83bfd3e55e5" dmcf-pid="uZS9H6FYy6" dmcf-ptype="general">이날 파보네 박사는 는 알파마요 계열의 최신 모델인 ‘알파마요 2 슈퍼(Alpamayo 2 Super)’도 소개했다. 340억 파라미터 규모로 확장된 모델로, 주행 궤적과 CoC 추론뿐 아니라 양보·차선 변경·정지 같은 상위 행동을 나타내는 메타 액션까지 함께 다루는 방향으로 발전하고 있다. </p>
          <div contents-hash="f4d9ef01b8c536a80cec43fc2bd542297949df00f19d7f426cd593fa22d4dbcf" dmcf-pid="75v2XP3Gl8" dmcf-ptype="general">
           <strong>“6개월 전과도 다르다”…AI 에이전트가 자율주행 AI를 개발한다</strong>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="1de47c96c2226824e90aa45fe6ea4993fa1a71e15aca8465f71ec7b43aa19cc9" dmcf-pid="z1TVZQ0Hy4" dmcf-ptype="figure">
           <p class="link_figure"><img alt="엔비디아 알파마요 2 슈퍼가 차량 카메라로 주변 차량과 도로 환경을 인식하는 모습. 알파마요 2 슈퍼는 복잡한 주행 상황을 분석해 추론과 주행 행동을 연결하도록 설계된 자율주행 VLA 모델이다. (사진=엔비디아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075154570bjcw.jpg" data-org-width="1024" dmcf-mid="fcOkPsd8hw" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075154570bjcw.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            엔비디아 알파마요 2 슈퍼가 차량 카메라로 주변 차량과 도로 환경을 인식하는 모습. 알파마요 2 슈퍼는 복잡한 주행 상황을 분석해 추론과 주행 행동을 연결하도록 설계된 자율주행 VLA 모델이다. (사진=엔비디아)
           </figcaption>
          </figure>
          <div contents-hash="fe2107a90e8944d6de0e7d7cad4c0d6d073f9c81dff0b3892d7012f1793083a6" dmcf-pid="qtyf5xpXvf" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="f7a13478cfd7dd8c469d81438e49c16ab59dee3d793bd4ed1348d925c907275b" dmcf-pid="BFW41MUZWV" dmcf-ptype="general">파보네 박사가 강조한 변화는 차량에 탑재되는 모델에만 국한되지 않았다. 파운데이션 모델은 데이터 생성과 선별, 센서·교통 시뮬레이션, 검증과 스트레스 테스트 등 자율주행 시스템을 만드는 과정 곳곳에 활용될 수 있다는 설명이다. 그러면서 파보네 박사는 차량에서 실시간으로 동작하는 모델만 바라봐서는 안 된다고 강조했다. 규모가 큰 모델은 개발 과정에서 데이터와 시뮬레이션을 처리하고, 차량에는 실시간 의사결정에 적합한 상대적으로 작은 모델을 적용하는 식으로 역할을 나눌 수 있다. 큰 모델이 확보한 능력을 더 작은 모델에 압축하는 방식도 언급됐다. 이날 파보네가 특히 힘을 준 대목은 AI 에이전트가 개발 과정 자체를 바꾸고 있다는 점이었다. </p>
          <p contents-hash="b1b77ba7d95521fb99285a66dc453b1c8bf08c29e56d71a92a9a551b923e7490" dmcf-pid="b3Y8tRu5S2" dmcf-ptype="general">“오늘날 자율시스템을 만드는 방식은 불과 6개월 전과도 완전히 다릅니다. 물론 AI 도구로 코드를 작성하고 수정하기도 합니다. 하지만 더 흥미로운 것은 AI 에이전트를 이용해 문제를 자동으로 찾아내고 모델 성능을 개선할 수 있다는 점입니다. 불과 6개월 전만 해도 AI 엔지니어가 맡아야 했던 중요한 작업을 이제 에이전트가 수행할 수 있게 됐습니다.” </p>
          <p contents-hash="a13ec973fa042bc7e745f984935d4bc05d9024977a5585adf855d94f31b788fa" dmcf-pid="Kys7v9HlT9" dmcf-ptype="general">이는 단순한 코딩 보조를 넘어 AI가 모델에서 발생한 문제를 찾고 개선 과정에 참여하기 시작했다는 얘기다. 파보네 박사는 사람과 여러 AI 에이전트가 함께 자율주행 시스템을 개발하는 구조를 ‘에이전틱 피지컬 AI 팩토리(Agentic Physical AI Factory)’에 비유했다. </p>
          <div contents-hash="71ad17a61a1dd57239692b02489c1ef27b8dc19f80dea888f3aadc47cd29b65e" dmcf-pid="9WOzT2XSSK" dmcf-ptype="general">
           한편 최근 자율주행과 로보틱스 분야에서는 VLA와 월드 모델(World Model) 가운데 어떤 접근이 중요한지를 둘러싼 논의가 이어지고 있다. 하지만 파보네 박사는 모델 구조를 둘러싼 논쟁 못지않게 개발 과정에 에이전틱 AI 워크로드가 들어오는 변화에 주목했다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="a3a0dd15ef2c19b4e5d31e5e87efeffab94939cb156c0aa720ed68cab8312d17" dmcf-pid="2YIqyVZvyb" dmcf-ptype="figure">
           <p class="link_figure"><img alt="엔비디아 알파마요가 자율주행 중 판단 근거를 추론 형태로 제시하는 모습. 알파마요는 주행 궤적과 ‘연쇄 인과 추론(Chain of Causation)’을 함께 생성한다. (사진=엔비디아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075156075bwwd.jpg" data-org-width="1024" dmcf-mid="4tRaVEQ9WD" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075156075bwwd.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            엔비디아 알파마요가 자율주행 중 판단 근거를 추론 형태로 제시하는 모습. 알파마요는 주행 궤적과 ‘연쇄 인과 추론(Chain of Causation)’을 함께 생성한다. (사진=엔비디아)
           </figcaption>
          </figure>
          <div contents-hash="7a84ffcbdaab025cdfc81b74621263acf459dc76fe2b43a93303bc79fd7a8986" dmcf-pid="VGCBWf5TWB" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="234451bd5b4c215369e02f9d80e2898142fc1c91d15d22bddbd42d9986a362f7" dmcf-pid="fHhbY41yyq" dmcf-ptype="general">“VLA와 월드 모델을 놓고 많은 이야기가 나오고 있습니다. 흥미로운 논쟁이죠. 하지만 제게는 개발 과정에 에이전틱 AI 워크로드가 들어오는 것이 자율주행 개발에서 가장 획기적인 혁신 가운데 하나입니다.” </p>
          <p contents-hash="e3e36f90ed859e7c4785a686af5daebc09f3eb8efe7532a20c538c473800b76f" dmcf-pid="4XlKG8tWhz" dmcf-ptype="general">이러한 방식은 자동차를 넘어 다른 피지컬 AI로 확장될 가능성도 제시됐다. 이날 파보네 박사의 발표에서는 자율주행을 위해 개발한 모델과 워크플로를 다른 형태의 로봇에 적용하는 사례도 소개됐다. 파보네 박사는 자율주행이 공간 이해와 지도화, 긴 시간 범위의 계획 등 고도화된 능력을 요구하는 만큼 여기서 축적된 기술을 다른 로봇의 이동과 행동 문제에 활용할 여지가 있다고 설명했다. </p>
          <p contents-hash="48d310eedc31aed9cdf68356287dca0a57dbab5819a57cb92da534a3452a0519" dmcf-pid="8ZS9H6FYh7" dmcf-ptype="general">“자율주행은 공간 기억과 지도화, 보다 긴 시간 범위의 계획처럼 상당히 고도화된 능력을 요구합니다. 이런 모델과 워크플로를 활용하면 다양한 형태의 로봇에서도 내비게이션 모델을 빠르게 개발할 수 있습니다. 매우 흥미로운 가능성입니다.” </p>
          <div contents-hash="57979ebe0d737501c734c6662dbfe9742cb28b4811b8f2d5c4d9de0ba8745986" dmcf-pid="65v2XP3Gyu" dmcf-ptype="general">
           <strong>“자동차에서의 실수는 생명까지 앗아간다”…추론 능력보다 어려운 안전</strong>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="f96cd62d8fba99a47ae30d4d0cc3fe4542dc64bfbd977a7034cd006e4e252a26" dmcf-pid="P2ULKA8BhU" dmcf-ptype="figure">
           <p class="link_figure"><img alt="엔비디아 알파마요 플랫폼 구성. 알파마요는 추론형 VLA 모델뿐 아니라 시뮬레이션 프레임워크와 피지컬 AI 주행 데이터 등을 결합해 자율주행 모델의 학습·검증을 지원한다. (자료=엔비디아)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075157647hdee.png" data-org-width="1024" dmcf-mid="8QjsdSgRWE" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075157647hdee.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            엔비디아 알파마요 플랫폼 구성. 알파마요는 추론형 VLA 모델뿐 아니라 시뮬레이션 프레임워크와 피지컬 AI 주행 데이터 등을 결합해 자율주행 모델의 학습·검증을 지원한다. (자료=엔비디아)
           </figcaption>
          </figure>
          <div contents-hash="9f5fdaa1025546c6a30594d2e24217a38eca81365ce722000e81df038399a62f" dmcf-pid="QVuo9c6blp" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="21e54425d5412734a8f8d5c0c6d3c1d61316005f64d8889d5e43c512a4ead9b9" dmcf-pid="xf7g2kPKT0" dmcf-ptype="general">추론 모델이 더 복잡한 상황을 판단할 수 있다고 해서 곧바로 안전한 자율주행이 완성되는 것은 아니다. 파보네 박사 역시 발표 후반부 상당 부분을 이 문제에 할애했다. 그러면서 파보네 박사는 청중이 제기할 법한 질문을 직접 꺼냈다. </p>
          <p contents-hash="80a88c24c2286e42ba48c659e2cd660dfb9226b901903d0800abc6f3f369d054" dmcf-pid="yCkFO7vmC3" dmcf-ptype="general">“이쯤 되면 사람들이 제게 묻습니다. ‘마르코, 멋져 보이기는 하는데 결국 자동차에 챗GPT 같은 것을 넣겠다는 것 아닌가요?’ 우리는 챗GPT가 실수할 수 있다는 데 익숙합니다. 하지만 자동차가 실수하면 그 대가는 훨씬 클 수 있습니다. 심지어 생명을 앗아갈 수도 있죠.” </p>
          <div contents-hash="5e3b40b192bc57973b8921f7ca5d6c207308de9faf8e28ef4d82379bf525e9cc" dmcf-pid="WhE3IzTslF" dmcf-ptype="general">
           이 말을 통해 파보네 박사가 강조한 것은 확률적인 AI 모델이 오류를 낼 수 있다는 전제 자체를 자율주행 시스템 설계에서 외면해서는 안 된다는 점이다. 파보네 박사가 제시한 해법 역시 하나의 모델을 완벽하게 만드는 데 있지 않았다. 모델을 설계하고 학습시키는 단계부터 실제 운행 중의 모니터링, 최종 검증까지 여러 단계에서 안전장치를 겹쳐 적용해야 한다는 것이다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="53378cf5c1d5437078c60bf1c7ff4e350b012877ad4654634e2635dafbdb5157" dmcf-pid="YlD0CqyOvt" dmcf-ptype="figure">
           <p class="link_figure"><img alt="파보네 박사는 특히 추론형 모델과 별도로 작동하는 모듈형 안전 구조의 필요성을 강조했다. 모델이 생성한 주행 궤적을 다른 인지·상황 이해 정보와 함께 다시 점검하고, 주행 모델이 실패했을 때 이를 잡아낼 수 있는 별도 구조를 두는 방식이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075159177nxpv.jpg" data-org-width="1024" dmcf-mid="6eULKA8BTk" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/04/552816-OGTrtXj/20260904075159177nxpv.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            파보네 박사는 특히 추론형 모델과 별도로 작동하는 모듈형 안전 구조의 필요성을 강조했다. 모델이 생성한 주행 궤적을 다른 인지·상황 이해 정보와 함께 다시 점검하고, 주행 모델이 실패했을 때 이를 잡아낼 수 있는 별도 구조를 두는 방식이다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="734939e544dc6a62d381abefdf261a2828fa6289b262bfc09a590b12bade2585" dmcf-pid="GSwphBWIC1" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="328e690230e6cc7cfdcbf3aa75aef1598ab81fad1b7ce3b1600d3630a9382009" dmcf-pid="HvrUlbYCT5" dmcf-ptype="general">“결론적으로 말하면 엔드투엔드 모델을 안전하게 만들어주는 하나의 단순한 도구는 없습니다. 다행히 우리에게는 여러 기술과 가드레일이 있고, 그것들을 함께 사용해 전체 시스템을 안전하게 만들 수 있습니다.” </p>
          <p contents-hash="a87b0525503db20023d11cc4f33a89b86fd044dbf77d525af4c40a9271475a57" dmcf-pid="XTmuSKGhWZ" dmcf-ptype="general">파보네 박사는 특히 추론형 모델과 별도로 작동하는 모듈형 안전 구조의 필요성을 강조했다. 모델이 생성한 주행 궤적을 다른 인지·상황 이해 정보와 함께 다시 점검하고, 주행 모델이 실패했을 때 이를 잡아낼 수 있는 별도 구조를 두는 방식이다. 파보네 박사는 “이런 구조가 모델의 오류에 대비하는 백업 역할뿐 아니라 안전 검증 문제를 여러 부분으로 나눠 다룰 수 있게 한다”고 설명했다. </p>
          <p contents-hash="476f2df9c42ee3a9f2cad02fdb61099ca58f5bc1c819be85175f5461161cc0bd" dmcf-pid="ZNeSgGkLTX" dmcf-ptype="general">엔비디아는 이러한 안전 관련 접근을 풀스택 종합 안전 시스템 ‘헤일로스(Halos)’를 통해 추진하고 있다. 차량 아키텍처와 AI 모델, 칩, 소프트웨어, 도구와 서비스 전반에서 설계·운행·검증 단계의 안전장치를 적용하는 구조다. 파보네 박사 역시 이날 발표에서 안전을 자율주행 개발의 기반으로 규정하며 헤일로스를 언급했다. </p>
          <p contents-hash="7f75466bdea9fb9eadd2d82847e2e364ae6c97b7deb53064bfc9b2523ce221da" dmcf-pid="5jdvaHEoCH" dmcf-ptype="general">결국 이날 파보네 박사의 발표가 보여준 자율주행 AI의 변화는 흔하지 않은 상황에서 무엇을 봐야 할지 추론하고 그 판단을 차량 행동과 일치시키는 모델의 등장을 이야기한 것이다. 또 동시에 그 모델을 만드는 과정에도 AI 에이전트가 들어오고 있다는 말이기도 했다. 여기에 AI가 틀릴 수 있다는 전제 아래 별도의 안전·검증 구조를 설계하는 작업이 맞물린다는 것이 파보네 박사 발표의 요지다. </p>
          <p contents-hash="521614403ead867b50a0f65b1a36afec6b3fb4d0a28ae52028b153abd66becdc" dmcf-pid="1AJTNXDghG" dmcf-ptype="general">자율주행 AI는 이제 ‘어디로 움직일 것인가’를 계산하는 단계를 넘어 ‘왜 그렇게 움직여야 하는가’를 함께 다루기 시작했다. 아마도 다음 경쟁은 모델이 이유를 얼마나 잘 말하느냐보다, 그 추론이 실제 행동과 얼마나 정확하게 맞물리는지, 그리고 판단이 틀렸을 때 시스템이 얼마나 안전하게 대응할 수 있는지를 입증하는 데서 갈릴 가능성이 크다. </p>
          <p contents-hash="b0b4dd89ab4e64958ace11201779e46df1bf466a17ca5c942f621ae4f959b8a5" dmcf-pid="tciyjZwaTY" dmcf-ptype="general">저작권자 © Tech42 - Tech Journalism by AI 테크42 무단전재 및 재배포 금지</p>
         </section> 
        </div>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기