Nomadic AI, 자율 주행 및 로봇 데이터를 위한 비전 언어 모델 기반 검색 플랫폼으로 840만 달러 투자 유치

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

Nomadic AI는 자율주행차와 로봇 개발 과정에서 발생하는 방대한 비디오 데이터를 효율적으로 관리하기 위해 비전 언어 모델(VLM) 기반의 데이터 구조화 플랫폼을 제공한다. 기존에는 사람이 직접 수천 시간의 영상을 확인해야 했으나, 이 플랫폼은 영상을 검색 가능한 데이터셋으로 변환하여 엣지 케이스를 신속하게 식별하도록 돕는다. 최근 840만 달러의 시드 투자를 유치했으며, Zoox와 Mitsubishi Electric 등 주요 기업을 고객사로 확보했다. 향후 비시각적 데이터인 라이다 센서 통합 및 멀티모달 데이터 처리로 기술 범위를 확장할 계획이다.

배경

자율주행 시스템 기본 구조, 컴퓨터 비전 기초, 데이터 라벨링 및 파이프라인 이해

대상 독자

자율주행차, 로봇 공학 개발자 및 AI 데이터 인프라 엔지니어

의미 / 영향

이 기술은 자율 시스템 개발의 가장 큰 병목인 데이터 라벨링과 엣지 케이스 식별을 자동화하여 개발 주기를 단축시킵니다. 특히 물리적 환경을 이해하는 VLM을 통해 단순 객체 인식을 넘어 복잡한 상황 맥락을 데이터화할 수 있게 되어 로보틱스 분야의 비약적인 발전을 이끌 것으로 보입니다.

섹션별 상세

자율 시스템 개발 시 수집되는 방대한 영상 데이터 중 95%가 아카이브에 방치되어 활용되지 못하는 병목 현상이 발생하고 있다. Nomadic AI는 이를 해결하기 위해 비전 언어 모델을 사용하여 영상을 구조화된 데이터로 변환하고, 특정 상황을 자연어로 검색할 수 있게 한다. 경찰의 수신호에 따른 신호 위반 상황처럼 드물게 발생하는 엣지 케이스를 신속하게 찾아내어 학습 데이터로 활용 가능하다.

단순한 데이터 라벨링 도구를 넘어 여러 모델을 조합해 맥락을 파악하는 '에이전트 추론 시스템'을 지향한다. 사용자가 필요한 상황을 설명하면 시스템이 스스로 판단하여 해당 장면을 찾아내며, 이는 강화 학습을 위한 고유 데이터셋 구축과 빠른 반복 학습을 가능하게 한다. 기존의 수동 외주 방식보다 확장성이 뛰어나며 도메인 특화된 통찰력을 제공한다.

TQ Ventures가 주도한 840만 달러 규모의 시드 라운드를 통해 기업 가치 5,000만 달러를 인정받았으며, Jeff Dean 등 주요 인사가 참여했다. 이 자금은 고객 온보딩 확대와 플랫폼 고도화, 특히 차선 변경의 물리적 특성 이해나 로봇 그리퍼 위치 정밀 추출 기능 개발에 투입될 예정이다. 하버드 출신의 창업자들은 Lyft와 Snowflake에서의 경험을 바탕으로 물리적 AI 인프라의 필요성을 절감하여 창업했다.

현재 Zoox, Mitsubishi Electric 등 실제 자율주행 및 로봇 기업들이 이 툴을 사용하여 지능형 기계를 개발하고 있다. 향후 비디오 데이터뿐만 아니라 라이다 센서 데이터와의 통합 및 수천억 개의 파라미터를 가진 대형 모델을 활용한 통찰력 추출을 목표로 하고 있다. 테라바이트급 데이터를 대규모 모델에 적용하여 정확한 물리적 통찰을 얻는 기술적 난제를 해결하는 데 집중하고 있다.

실무 Takeaway

자율주행 및 로봇 공학에서 엣지 케이스 데이터를 확보하기 위해 비전 언어 모델(VLM) 기반의 자동화된 검색 및 구조화 도구를 도입하면 데이터 처리 속도를 획기적으로 높일 수 있다.
단순 외주 라벨링 대신 도메인 지식이 결합된 '에이전트 추론 시스템'을 활용하면 복잡한 물리적 행동에 대한 정밀한 데이터셋 구축이 가능하다.
테라바이트급 영상 데이터를 수천억 파라미터 모델과 결합하여 정확한 통찰을 추출하는 과정은 기술적 난이도가 높으므로 전문 인프라 솔루션을 활용하는 것이 효율적이다.