NVIDIA 알파마요 2 슈퍼: 34B 자율주행 VLA 모델이 오픈 소스로 풀린 이유

發行일: · 자율주행 AI · 약 7분 읽기

NVIDIA가 자율주행을 위한 340억 파라미터짜리 초거대 모델 알파마요 2 슈퍼(Alpamayo 2 Super)를 공개했습니다. 출시 첫날부터 상업적으로 써도 되는 라이선스까지 함께 제공해 화제입니다. 도대체 이 모델이 뭐가 다른지, 쉽게 풀어봅니다.

한 줄 요약: 알파마요 2 슈퍼가 뭐예요?

알파마요 2 슈퍼는 "카메라 영상"을 입력받아 "운전 행동"을 바로 출력하는 비전-언어-액션(VLA) 모델입니다. 쉽게 말해, 사람이 "앞 차가 끼어드는 상황이니까 차선을 변경하자"라고 사고하는 과정을 AI가 대신 해주는 셈이죠.

특히 드물게 일어나는 복잡한 사고 상황 — 예를 들어 여러 대의 차량이 동시에 끼어드는 코너 케이스 — 을 잘 처리하도록 설계됐습니다. 이런 상황을 롱테일 이벤트라고 부르는데, 기존 자율주행 시스템이 가장 약한 부분이기도 합니다.

총 파라미터340억 (34B)
언어 백본320억 (Cosmos 3 Super Reasoner 기반)
액션 디코더23억 (디퓨전 방식)
라이선스OpenMDW-1.1 상업적 사용 허용

왜 갑자기 주목받을까요? 3가지 포인트

1. 출시 첫날부터 "상업적 사용"이 가능합니다

AI 모델 가중치는 보통 "연구용(R&D only)"으로만 풀리는 경우가 많습니다. 하지만 알파마요 2 슈퍼는 리눅스 재단의 OpenMDW-1.1 라이선스 아래 공개됐기 때문에, 별도 허가 없이 그대로 제품에 넣어 팔 수 있습니다. 소스 코드는 Apache 2.0 라이선스라 파인튜닝과 재배포까지 자유롭습니다.

2. "왜 그렇게 운전했는지"를 설명해줍니다

단순히 "핸들을 왼쪽으로 5도 돌려라"라는 명령만 내리는 게 아니라, 인과의 사슬(Chain-of-Causation, CoC) 트레이스라는 형태로 결정 이유를 함께 출력합니다. 예를 들어 "앞 차량이 브레이크를 밟았고, 그 때문에 차간 거리가 줄었고, 그래서 감속했다"처럼 이유를 차근차근 설명해줍니다.

이것은 단순한 신기함을 넘어, 국제 안전 표준 ISO/PAS 8800을 만족하는 AI 안전 검증의 핵심 요소로 활용될 수 있다는 점에서 업계의 관심을 끌고 있습니다.

3. 한 번의 패스로 5가지를 동시에 출력합니다

기존에는 "경로 계획 모델", "설명 모델", "라벨링 모델" 따로따로 돌려야 했던 작업을 하나로 합쳤습니다. 한 번의 신호 처리(pass)로 다음 5가지를 한꺼번에 뽑아냅니다.

특히 자동 라벨 기능 덕분에 NVIDIA는 "수개월 걸리던 주석 작업을 수일로 줄일 수 있다"고 강조했습니다.

어떻게 생긴 모델이에요?

알파마요 2 슈퍼는 두뇌 2개짜리 구조입니다.

① 거대 언어 백본 (320억 파라미터)

NVIDIA의 월드 파운데이션 모델 Cosmos 3 Super Reasoner를 기반으로, 강화학습으로 추가 학습(post-training)한 모델입니다. "주변 상황을 이해하고 다음에 뭘 해야 할지 추론"하는 역할을 맡습니다.

② 디퓨전 액션 디코더 (23억 파라미터)

디퓨전(diffusion) 모델은 원래 이미지 생성에 쓰이던 기술인데, 이를 연속적인 운전 제어로 변환한 모듈입니다. 이산적인 명령 토큰을 내보내는 기존 방식보다 더 부드럽고 정밀한 조향·가속 제어가 가능합니다.

💡 디퓨전 기반 액션 디코더가 뭐예요?

일반적으로 AI 모델은 "왼쪽", "정지" 같은 이산적인 명령만 내립니다. 하지만 디퓨전 기반 디코더는 연속적인 곡선을 한 번에 그려내기 때문에, 차량처럼 매끄러운 움직임이 필요한 제어에 훨씬 적합합니다. 그림 AI(Stable Diffusion 계열)에서 쓰인 원리와 비슷하죠.

학습에는 어떤 데이터가 들어갔나요?

규모만 보면 거의 경이롭습니다.

입력으로는 차량 주변 6대의 카메라 영상, 과거 4프레임의 정보, 그리고 자차 모션(egomotion) — 차량이 3D 공간에서 어떻게 움직였는지에 대한 기록 — 을 함께 넣습니다.

💡 자차 모션(egomotion)이 뭐예요?

내 차량이 3D 공간에서 어떻게 이동·회전했는지를 수치로 표현한 것입니다. 시각 오도메트리(visual odometry)라고도 하는데, GPS가 잘 안 잡히는 도심에서 차량의 정확한 위치를 잡는 데 필수적인 데이터예요.

성능은 어느 정도예요?

여러 벤치마크에서 기존 모델을 큰 차이로 앞섰습니다.

LingoQA — 운전 상식 퀴즈

약 40개 모델을 비교한 평가에서 79.2점으로 1위를 기록했습니다. 같은 분야 최고 모델이었던 Qwen2.5-VL 72B와는 17점, Gemini 2.5 Pro와는 15.1점, GPT-4o와는 23.2점 차이입니다.

AlpaSim 폐루프 평가 — 시뮬레이터 안에서 운전

차량 시뮬레이터에서 실제처럼 피드백받으며 910개 시나리오를 운전하는 시험입니다. AlpaSim 점수 1.50 ± 0.13을 달성했습니다.

💡 폐루프 평가(closed-loop)란?

모델이 "왼쪽으로 꺾어라"라고 출력하면, 그 결과가 실제로 시뮬레이터 환경에 적용되고, 그 다음 영상이 다시 모델 입력으로 들어옵니다. 실제 운전과 비슷하게 피드백이 돌아오는 평가 방식입니다.

개루프 평가 — 기록된 영상과의 단순 비교

실제 기록된 정답 경로와 모델이 예측한 경로만 비교하는 방식입니다. 가장 까다로운 937개 샘플에서 minADE₆ = 0.911m (6.4초 시점)를 기록했습니다.

💡 minADE₆가 뭐예요?

자율주행에서 자주 쓰는 지표입니다. 모델이 여러 후보 경로를 예측하면, 그 중 정답과 가장 가까운 것을 골라 모든 시점에서 평균 오차를 계산합니다. "6"은 "6.4초 시점"을 의미하며, 값이 낮을수록 좋습니다.

실제 차량에 바로 쓸 수 있나요?

단순한 답은 "클라우드에서는 OK, 차량 내장 컴퓨팅에서는 아직 추가 작업이 필요"입니다.

증류란 거대 모델(선생님)의 지식을 더 작은 모델(학생)에게 전달해, 정확도를 크게 떨어뜨리지 않으면서 크기를 줄이는 기법입니다.

자주 묻는 질문 (FAQ)

Q. 알파마요 2 슈퍼는 무료로 쓸 수 있나요?

네. 가중치는 OpenMDW-1.1, 소스 코드는 Apache 2.0 라이선스라 무료로 내려받아 상업적으로 활용할 수 있습니다.

Q. 일반 운전 데이터로 추가 학습(파인튜닝)할 수 있나요?

허용됩니다. 로보택시 회사나 완성차 업체가 자체 데이터로 모델을 자기네 환경에 맞게 튜닝해 쓰는 것이 라이선스 정책상 가능합니다.

Q. 도대체 롱테일 이벤트가 왜 중요한가요?

자율주행 사고 대부분은 발생 확률이 매우 낮은 변수의 조합에서 일어납니다. 데이터 100만 번 중 1번뿐인 상황이라도 그 1번이 사고로 이어지면 끝이라, 이런 드문 상황을 잘 다루는 것이 안전의 핵심입니다.

Q. NVIDIA Cosmos 3 Super Reasoner는 또 뭐예요?

NVIDIA가 공개한 64B 파라미터의 월드 파운데이션 모델입니다. 물리 AI와 로봇용으로 만들어졌고, 알파마요 2 슈퍼의 "두뇌" 부분이 여기서 파생됐습니다.

핵심 정리

  1. 34B VLA 모델: 320억 언어 백본 + 23억 디퓨전 액션 모듈 결합.
  2. 오픈 라이선스: OpenMDW-1.1(가중치) + Apache 2.0(코드)로 출시 즉시 상업 사용 가능.
  3. 벤치마크 1위: LingoQA Lingo-Judge 79.2점, AlpaSim 1.50±0.13, minADE₆ 0.911m.
  4. 5-in-1 출력: 궤적 + 인과 설명 + 메타 액션 + 자동 라벨 + 그라운딩 VQA를 한 번에.
  5. 차량 내장용은 추가 작업 필요: 증류(distillation) 단계를 거쳐야 실차 탑재 가능.