NVIDIA, MjWarp 기반 로보틱스 GPU 가속화 가이드 공개

NVIDIA가 로보틱스 시뮬레이션 워크플로우를 가속화하기 위해 NVIDIA Warp과 MjWarp를 활용하는 상세 가이드를 공개했다. 기존 CPU 기반 MuJoCo의 한계를 극복하고, GPU를 통해 수백에서 수천 개의 병렬 시뮬레이션 환경을 동시에 실행하여 RL 학습 및 대규모 샘플링의 처리량을 극대화하는 것이 핵심이다.

마이그레이션 및 스케일링 전략

가이드는 SO-101 로봇 암을 예시로, 단일 CPU 환경에서 2,048개의 병렬 GPU 환경으로 확장하는 5단계 게이트 방식을 제시한다.

• CPU Baseline 및 Parity 검증: 제어 레이트(50Hz)와 물리 서브스텝(10회)을 동기화하여 CPU와 GPU 간 시뮬레이션 결과의 일관성을 확보한다.
• 용량 설정: nconmax(환경당 접촉 수)와 njmax(제약 조건 상한)을 태스크 특성에 맞게 조정하여 메모리 효율성을 높인다.
• GPU 스케일링: mjw.step을 CUDA Graphs로 캡처하여 커널 런치 오버헤드를 제거하고, PCIe 데이터 전송을 최소화해 Aggregate Throughput(world-steps per second)을 극대화한다.

주요 기술적 특징

• NVIDIA Warp: Python으로 작성된 GPU 커널 언어로, JIT 컴파일과 Autodiff를 지원하며 PyTorch/JAX와 상호 운용 가능하다. Warp 1.15부터는 결정적(deterministic) 실행 모드를 제공한다.
• MjWarp: MuJoCo 물리 엔진의 Warp 구현체로, 동일한 MJCF 모델을 사용하여 GPU 상에서 배치 처리를 수행한다. 단일 스텝의 지연 시간 감소보다는 병렬 처리를 통한 총 처리량 향상에 초점을 맞춘다.
• 성능 튜닝: 버퍼 크기 최적화, Solver 반복 횟수 조정, 그리고 GPU 비동기 실행 특성을 고려한 정확한 측정 방법(wp.synchronize() 사용)을 강조한다.

향후 NVIDIA는 Newton과 Isaac Lab을 통해 Multi-solver API 및 센서 통합 등 더 복잡한 로보틱스 워크플로우를 지원할 계획이다.