MS, 물리 AI 로보틱스 추론 오프로딩으로 배터리 수명 및 성능 향상

Microsoft Research가 물리 AI 로보틱스에서 추론 연산을 온보드 GPU에서 엣지나 클라우드로 오프로딩하는 것이 성능과 배터리 수명에 미치는 영향을 입증했다. 기존 방식은 로봇 내부 GPU에 의존했으나, 모델이 커질수록 전력 소모와 무게, 비용 문제가 커져 확장성이 제한되었다.

성능 및 배터리 개선 효과

모바일 조작 작업 평가 결과, 추론을 외부로 분산하면 다음과 같은 이점이 확인되었다.

• 성능 향상: 온보드 소형 GPU는 A100 대비 매핑 및 계획 속도가 최대 383% 느려지고, 내비게이션 장애물 감지 정확도가 30% 떨어졌다. VLA 모델도 정확도가 50% 감소했다.
• 배터리 수명 연장: Jetson Thor 같은 대형 온보드 GPU는 배터리 소모를 최대 **160%**까지 증가시켰다. 이를 Raspberry Pi-5로 대체하고 추론을 오프로딩하면 배터리 수명이 대폭 개선된다.

Physical AI Toolchain 업데이트

Microsoft는 Physical AI Toolchain에 추론 오프로딩 기능을 추가했다. 이 도구는 Kubernetes 기반의 컨테이너화 및 오케스트레이션을 통해 로봇, 엣지, 클라우드 간에 AI 워크로드를 자동으로 배포하고 분산 처리한다. ROS2 및 LeRobot과 호환되며, SO-101과 UR10e 등 실제 로봇 예제 프로젝트를 제공한다.