제8부 자율주행

8.15 자율주행 AI II — DRIVE Sim·재시뮬레이션

8.15.1 이 장에서 배우는 것 / 선수 지식

8.10(SOTIF)은 "위험·희귀 시나리오를 실차로 다 만들 수 없다", 8.14(데이터 엔진)은 "검증·재학습이 필요하다"고 했고 — 둘 다 시뮬레이션을 가리켰다. 이 장은 그 시뮬레이션 — DRIVE Sim(시나리오 시뮬레이션)과 재시뮬레이션(resim)(실주행 재생·변주) — 을 본다. 제8부(자율주행, 8.1~8.15)의 마지막. 그리고 시뮬레이션의 핵심 난제 Sim2Real 갭과, 합성 데이터로 롱테일을 메우는 법을 본다.

핵심 통찰: 시뮬레이션 없이는 자율주행을 검증·개선할 수 없다 — 위험 시나리오(사고 직전·악천후·드문 객체)를 실차로 만들면 위험하고, 안전 검증에 필요한 주행 거리는 비현실적이며, 같은 상황을 반복·변주할 수 없다. 시뮬레이션은 이를 안전하게·대규모로·반복 가능하게 한다. 단 Sim2Real 갭(시뮬레이션 ≠ 현실)이 본질적 한계라, 시뮬레이션과 실주행이 둘 다 필요하다(8.10).

배우는 것:

왜 시뮬레이션 — 위험·희귀 시나리오·반복·대규모, 실주행만으로 불가.
DRIVE Sim — 시나리오 시뮬레이션, Omniverse/OpenUSD(제10부) 기반·센서 시뮬·물리.
재시뮬레이션(resim) — 실주행 재생·변주, 결정적 회귀·"what-if".
SIL/HIL·폐루프 — 실제 AV 컴퓨트를 시뮬레이션 센서로(software/hardware-in-the-loop).
Sim2Real 갭 — 도메인 갭, 완화(포토리얼·센서 충실도·도메인 랜덤화·실+시뮬).
합성 데이터 — 라벨된 롱테일 데이터 생성(Replicator, 10.5 예고).

선수 지식: 8.10(SOTIF 시나리오·시뮬레이션)·8.14(데이터 엔진·검증)·8.13(기록/재생→resim)·8.11(AI 안전·합성 데이터). 시뮬레이션·합성 데이터·Sim2Real의 본격은 제10부(10.1~10.7). 데이터 플라이휠은 7.7. 환경은 DRIVE Sim·Omniverse.

정직: DRIVE Sim·Omniverse 구성은 세대·버전 의존이다. 시뮬레이션은 필수이나 Sim2Real 갭이 본질적 한계 — 시뮬레이션만으로 안전을 증명할 수 없고(실주행 검증 병행), "시뮬레이션에서 통과 = 양산 안전"은 과장이다(8.1·8.11). 이 장은 원리·역할을 가르치고, 안전 판정은 8.8~8.11·전문가의 영역.

8.15.2 왜 시뮬레이션 — 실주행만으로 불가

8.10·8.14이 시뮬레이션을 가리킨 이유:

실주행만으로의 한계	시뮬레이션의 답
위험 시나리오: 사고 직전·갑작스러운 보행자·악천후를 '실차로 만들면 위험'	안전: 위험 시나리오를 안전하게(가상)
거리: 안전 검증에 필요한 주행이 비현실적(수억~수십억 마일·드문 사건)	대규모: 시나리오를 대량·병렬 생성(수백만)
반복 불가: 같은 상황을 다시 못 만남(결정적 비교 불가)	반복·변주: 같은 시나리오를 결정적으로·파라미터 변주로
롱테일: 드문 엣지케이스(SOTIF 8.10)를 실주행으로 다 못 만남	롱테일: 드문·극한 케이스를 합성

핵심: 자율주행은 시뮬레이션 없이 검증·개선이 불가능하다 — 위험·드문·무한한 롱테일을 실차로 다룰 수 없으니, 시뮬레이션으로 안전하게·대규모로·반복 탐색한다. 이것이 8.10(SOTIF)·8.14(데이터 엔진)이 시뮬레이션을 요구한 이유. 단 Sim2Real 갭(8.15.6)이 한계.

8.15.3 DRIVE Sim — 시나리오 시뮬레이션

DRIVE Sim은 자율주행 시나리오를 시뮬레이션하는 플랫폼이다 — Omniverse/OpenUSD(제10부 10.1~10.4) 기반:

센서 시뮬레이션(충실도가 핵심). 단순 렌더링이 아니라 센서 물리를 모델링:

'충실도(fidelity)'가 높을수록 Sim2Real 갭이 줄어든다(8.15.6).

시나리오 생성·변주: 날씨(비·안개·눈)·조명(역광·야간)·객체·행동을 파라미터로 변주 — SOTIF 시나리오 공간(8.10)을 탐색. 도메인 랜덤화(10.6).
센서 충실도: 센서를 물리적으로 모델링해 실제와 가깝게 — 충실도가 Sim2Real 갭을 좌우.
합성 데이터: 시뮬레이션은 ground truth를 알아(객체 위치·종류) 자동 라벨된 데이터 생성(8.15.7).

핵심: DRIVE Sim은 사실적 3D 세계 + 물리적 센서 시뮬레이션 + 시나리오 변주로 SOTIF 시나리오 공간(8.10)을 안전하게 탐색하고 합성 데이터를 만든다. Omniverse/OpenUSD(제10부)가 그 기반 — 자율주행과 시뮬레이션이 그 플랫폼에서 만난다.

8.15.4 재시뮬레이션(resim) — 실주행 재생·변주

재시뮬레이션(resimulation, resim) 은 기록한 실주행 데이터(8.13)를 활용한다:

결정적 회귀: 기록한 실주행에 새 모델을 실행해, 같은 입력으로 개선·회귀를 정확히 비교(8.14의 데이터 엔진 검증). 실차 없이.
what-if 변주: 기록 시나리오에 객체·조건을 주입·변경해 반사실(counterfactual) 탐색 — "그때 보행자가 갑자기 나타났다면?"을 안전하게.
실+시뮬 다리: 순수 합성(DRIVE Sim)과 순수 실주행 사이 — 실 데이터의 현실성 + 시뮬레이션의 변주.

견해: 재시뮬레이션은 실주행을 "재사용·변주 가능한 테스트" 로 만든다 — 기록을 재생해 결정적 회귀(데이터 엔진 8.14), 변주해 반사실 탐색(SOTIF 8.10). 합성 시뮬레이션(상상 한계·Sim2Real 갭)과 실주행(느림·위험·반복 불가)의 단점을 보완. 둘 다 필요(8.10).

8.15.5 SIL/HIL·폐루프

시뮬레이션으로 실제 AV 스택을 검증하는 방식:

SIL/HIL: 소프트웨어만(SIL, 대규모·클라우드) vs 실제 컴퓨트(HIL, 하드웨어 타이밍·결정성 검증). 둘 다 실차 없이 검증.
폐루프: AV의 행동이 시뮬레이션 세계를 바꿔(차가 제동하면 상황이 달라짐) 인지~계획~제어 전체 루프를 검증 — 개루프(재생, 인지만)보다 강력하나 어렵다.

핵심: SIL/HIL·폐루프로 실차 없이 AV 스택을 대규모 검증한다 — SIL은 클라우드에서 대량, HIL은 실제 SoC의 타이밍·결정성(8.1), 폐루프는 행동까지. 안전 검증(8.10~8.11)의 핵심 인프라.

8.15.6 Sim2Real 갭 — 본질적 한계

시뮬레이션의 핵심 난제: Sim2Real 갭(도메인 갭) — 시뮬레이션은 현실이 아니다(10.7 본격).

정직한 한계:

갭은 없앨 수 없다: 시뮬레이션은 현실의 근사 — 충실도를 높여도 완벽히 일치 못 함. 모르는 것(8.10)은 시뮬레이션에도 없을 수 있다.
시뮬만으로 안전 증명 불가: "시뮬에서 통과 = 안전"이 아니다 — Sim2Real 갭 때문에 실주행 검증이 필수. 시뮬레이션은 위험을 줄이고 탐색하지만, 최종 안전은 실주행·통계(8.10)·규제로.
실+시뮬 둘 다: 시뮬(대규모·안전·변주) + 실주행(현실·미지 노출)의 보완(8.10·8.14).

정직: Sim2Real 갭이 시뮬레이션의 본질적 한계다 — 시뮬레이션은 자율주행 검증·학습을 필수적으로 가능케 하지만, 현실과의 갭 때문에 시뮬레이션만으로 안전을 증명할 수 없다. 포토리얼·센서 충실도·도메인 랜덤화로 갭을 줄이고, 반드시 실주행으로 검증한다. "시뮬레이션에서 완벽 = 양산 안전"은 과장(8.1·8.11).

8.15.7 합성 데이터 — 롱테일 메우기

시뮬레이션의 또 다른 가치: 라벨된 합성 데이터 생성(10.5 Replicator 본격):

핵심: 합성 데이터는 롱테일·위험 케이스를 안전하게·완벽 라벨로 만든다(8.11 데이터 갭=안전 갭을 메움) — 실주행으로 못 모으는 드문 상황을 시뮬레이션으로. 단 Sim2Real 갭으로 합성만으론 부족, 실 데이터와 혼합하고 검증한다(6.6·8.14). 이것이 10.5(Replicator)·10.6(도메인 랜덤화)·10.7(Sim2Real)의 제10부로 이어진다.

8.15.8 중간 점검 (체크포인트)

[ ] 실주행만으로 자율주행을 검증할 수 없는 이유(위험·거리·반복 불가·롱테일)와 시뮬레이션의 답을 안다.
[ ] DRIVE Sim(Omniverse/OpenUSD 기반·센서 시뮬·시나리오)과 센서 충실도의 중요성을 안다.
[ ] 재시뮬레이션(resim)(재생=결정적 회귀, 변주=what-if)과 실+시뮬 다리를 안다.
[ ] SIL/HIL·폐루프로 실차 없이 AV 스택을 검증함을 안다.
[ ] Sim2Real 갭이 본질적 한계이고, 시뮬만으로 안전 증명 불가(실주행 병행)임을 안다.
[ ] 합성 데이터가 롱테일·위험 케이스를 메우되 실 데이터와 혼합·검증해야 함을 안다.

증상→의심: 위험 시나리오를 실차로 테스트 → 시뮬레이션. 알고리즘 변경 효과를 못 비교 → 결정적 재시뮬(resim). 시뮬에서 잘 되는데 실주행 실패 → Sim2Real 갭 → 충실도·도메인 랜덤화·실 데이터·실주행 검증. 드문 케이스 데이터 부족 → 합성 데이터(롱테일). 합성만으로 학습 → Sim2Real 갭 → 실+시뮬 혼합. "시뮬 통과 = 안전" → 갭·실주행 검증·통계(8.10). 하드웨어 타이밍 검증 필요 → HIL.

8.15.9 트레이드오프·대안

결정	트레이드오프
시뮬 vs 실주행	안전·대규모·변주·갭 vs 현실·느림·위험·미지 노출
SIL vs HIL	대규모·빠름·타이밍 근사 vs 실 하드웨어·결정성·규모↓
개루프 vs 폐루프	인지 평가·단순 vs 전체 루프·어려움
충실도 높음 vs 낮음	Sim2Real 갭↓·비용↑ vs 빠름·갭↑
합성만 vs 실+합성	스케일·라벨·갭 vs 현실성·비용

견해: 시뮬레이션(DRIVE Sim·resim)과 실주행을 둘 다 — 시뮬로 위험·롱테일·변주·합성 데이터를 안전하게·대규모로, 실주행으로 현실·미지를 노출(8.10·8.14). HIL로 하드웨어 타이밍, 폐루프로 전체 루프. 충실도·도메인 랜덤화로 Sim2Real 갭을 줄이되, 반드시 실주행으로 검증. 합성 데이터는 롱테일을 메우되 실+합성 혼합. "시뮬에서 통과 = 양산 안전"은 과장 — 갭과 잔여 위험(8.10~8.11)을 인정.

비엔비디아 정직: 자율주행 시뮬레이션은 업계 전체가 쓴다(여러 시뮬레이터·각사 자체). DRIVE Sim의 강점은 Omniverse/OpenUSD(10.1~10.4)·RTX 포토리얼·센서 시뮬·DRIVE 컴퓨트 HIL·합성 데이터(10.5) 통합이다. Sim2Real 갭은 모든 시뮬레이션의 공통 한계 — 시뮬레이션이 자율주행을 가능케 하나 안전을 증명하진 못한다. 양산은 시뮬+실+안전+규제(8.1·8.8~8.11)의 합.

8.15.10 흔한 함정

위험 시나리오를 실차로. 사고 직전·극한을 실차로 테스트는 위험·불가 → 시뮬레이션.
"시뮬 통과 = 안전" 오해. Sim2Real 갭으로 시뮬만으론 안전 증명 불가 → 실주행 검증·통계(8.10).
Sim2Real 갭 무시. 시뮬에서 잘 되는 모델이 현실에서 실패 → 충실도·도메인 랜덤화·실+시뮬·실주행 검증.
합성만으로 학습. 갭으로 전이 실패 → 실 데이터와 혼합(6.6·8.14).
개루프만. 인지만 평가, 계획·제어는 폐루프로 — 행동이 상황을 바꾸는 검증.
센서 충실도 경시. 단순 렌더링은 갭↑ — 센서 물리(라이다·레이더·ISP)를 모델링.
resim 없이 회귀. 결정적 재시뮬 없으면 알고리즘 변경 효과를 정확히 못 비교(8.14).
발표를 양산으로. 시뮬레이션 데모와 양산 안전은 다름(8.1·8.11).

8.15.11 연습문제

연습 1 (왜 시뮬). 자율주행을 실주행만으로 검증할 수 없는 이유 넷과, 시뮬레이션이 각각을 어떻게 푸는지 설명하라.

정답

이유·해법: ① 위험 시나리오 — 사고 직전·갑작스러운 보행자·극한 악천후를 실차로 만들면 위험(사람·차 위험). 시뮬: 가상이라 안전하게 위험 시나리오를 무한 반복. ② 거리 — 안전을 통계적으로 입증하려면 수억~수십억 마일·드문 사건이 필요(비현실적). 시뮬: 대규모·병렬로 수백만 시나리오를 빠르게(클라우드 SIL). ③ 반복 불가 — 같은 실주행 상황을 다시 못 만나 알고리즘 변경을 정확히 비교 못 함. 시뮬(+resim): 결정적 반복으로 같은 시나리오에 다른 알고리즘을 A/B. ④ 롱테일(SOTIF 8.10) — 드문 엣지케이스(특이 객체·조건)를 실주행으로 다 못 만남. 시뮬: 드문·극한 케이스를 합성(파라미터 변주·도메인 랜덤화). 즉 실주행은 현실적이나 위험·느림·반복 불가·롱테일 미달이고, 시뮬레이션은 안전·대규모·반복·롱테일을 푼다 — 8.10(SOTIF)·8.14(데이터 엔진)이 시뮬레이션을 요구한 이유. 단 Sim2Real 갭(현실 ≠ 시뮬)이 한계라 실주행과 둘 다 필요 — 시뮬은 위험을 줄이고 탐색하지만 안전은 실주행 검증·통계로(8.10). 시뮬레이션 없이는 검증 불가, 시뮬만으로는 안전 증명 불가.

연습 2 (resim). 재시뮬레이션의 재생(replay)과 변주(what-if)를 설명하고, 데이터 엔진(8.14)·SOTIF(8.10)와 어떻게 연결되는지 답하라.

정답

재생(replay): 기록한 실 센서 데이터(8.13)를 (변경된) AV 스택에 다시 흘림 → 결정적 회귀 — 알고리즘을 바꿔도 같은 실주행 입력으로 개선·회귀를 정확히 비교(8.14 데이터 엔진 검증), 실패 사례 재생·디버깅. 실차 없이. 변주(replay-with-modification): 기록을 바탕으로 수정 → what-if/반사실 — 그 상황에 보행자를 추가하면? 더 어두우면? 다른 차가 개입하면? 안전하게 탐색. 데이터 엔진 연결(8.14): 데이터 엔진은 실패를 발견·고치고 재검증해야 하는데, resim 재생이 그 결정적 회귀 게이트(새 모델이 이전 케이스를 망가뜨리지 않았나, 실패를 고쳤나)를 실차 없이 제공. SOTIF 연결(8.10): SOTIF는 모르는-위험(엣지케이스) 을 발견·완화해야 하는데, resim 변주가 반사실 시나리오(실주행 기반에 위험 요소 주입)를 만들어 "그 상황에서 위험했을까"를 안전하게 탐색 → 트리거 조건 발견·검증. 또 실 데이터 기반이라 순수 합성(Sim2Real 갭)보다 현실적. 즉 resim은 실+시뮬의 다리 — 실 데이터의 현실성 + 시뮬의 변주·반복. 데이터 엔진의 검증(재생)과 SOTIF 탐색(변주)을 받친다. 순수 합성(DRIVE Sim, 상상·갭)과 순수 실주행(느림·반복 불가) 사이를 메움.

연습 3 (Sim2Real). Sim2Real 갭이 무엇이고, 왜 "시뮬레이션에서 통과 = 안전"이 아닌지, 완화책을 설명하라.

정답

Sim2Real 갭(도메인 갭): 시뮬레이션과 현실의 차이 — ① 영상(렌더링이 실제 카메라와 미묘하게 다름: 질감·조명·노이즈), ② 센서(라이다·레이더 물리를 완벽히 모델링 못 함), ③ 행동(시뮬 에이전트가 실제 사람·차와 다르게 행동). 결과: 시뮬에서 잘 되는 모델·검증이 현실에서 안 될 수 있음(전이 실패). "시뮬 통과 = 안전"이 아닌 이유: ① 갭 때문에 시뮬 성능이 현실 성능을 보장 못 함 — 시뮬이 현실의 근사일 뿐. ② 모르는 것(SOTIF 8.10)은 시뮬에도 없을 수 있음 — 시뮬은 우리가 모델링한 것만 담아, 상상 못 한 현실 엣지케이스는 시뮬에 없음. ③ 안전은 통계·실세계 검증이 필요(8.10). 완화책: ① 포토리얼리즘(PBR·RTX) — 렌더링을 실제와 가깝게. ② 센서 충실도 — 센서 물리(라이다 반사·레이더 도플러·카메라 ISP)를 정확히 모델링. ③ 도메인 랜덤화(10.6) — 시뮬을 다양화(조명·질감·날씨 변주)해 모델이 갭에 강건(현실도 그 분포의 한 점으로). ④ 실+시뮬 혼합 — 합성 데이터 + 실 데이터로 학습·검증. ⑤ 실주행 검증 — 시뮬 결과를 반드시 실주행으로 확인. 핵심: 갭은 없앨 수 없으나 줄이고, 시뮬레이션은 위험을 줄이고 탐색하되 안전은 실주행·통계로 증명 — 둘 다 필요(8.10). "시뮬에서 완벽 = 양산 안전"은 과장(8.1·8.11). Sim2Real은 10.7에서 본격.

연습 4 (합성 데이터). 시뮬레이션 합성 데이터가 자율주행 롱테일·AI 안전(8.11)에 어떻게 기여하고, 한계는 무엇인지 설명하라.

정답

기여: ① 롱테일·위험 케이스 생성 — 실주행으로 모으기 어려운 드문·위험 상황(도로 위 특이 낙하물·극한 악천후·사고 직전·희귀 객체·야간 보행자)을 시뮬레이션으로 안전하게·대량 생성. 8.14 데이터 엔진의 데이터 갭을 메움. ② 완벽한 자동 라벨 — 시뮬레이션은 ground truth를 안다(객체 위치·종류·깊이·occupancy) → 자동으로 완벽히 라벨된 데이터(8.14 자동 라벨링의 극단, 사람 라벨 불필요). ③ AI 안전(8.11) 기여 — "데이터 갭 = 안전 갭" — 모델이 못 본 상황은 위험한데, 합성으로 그 상황을 학습 데이터로 만들어 인지를 개선·강건화. ④ 도메인 랜덤화(10.6) — 다양한 조건을 합성해 모델이 변화에 강건. 한계: ① Sim2Real 갭(8.15.6) — 합성 데이터가 현실과 달라 합성만으로 학습하면 전이 실패 → 실 데이터와 혼합 필수. ② 상상의 한계 — 시뮬레이션은 우리가 모델링한 것만 만들어, 실제로 모르는 엣지케이스(SOTIF 모르는-위험)는 합성에도 없을 수 있음 → 실주행 발견(8.14)과 보완. ③ 편향·다양성 — 합성 데이터도 큐레이션·검증 필요(6.6, 편향·다양성·model collapse 주의). 정리: 합성 데이터는 롱테일·위험을 안전하게·완벽 라벨로 메워 AI 안전·데이터 엔진에 핵심 기여하나, Sim2Real 갭으로 실 데이터와 혼합·검증해야 하고 상상 한계가 있다. 10.5(Replicator)·10.6(도메인 랜덤화)·10.7(Sim2Real)의 제10부로 이어짐 — 자율주행과 로보틱스·시뮬레이션이 만나는 지점.

연습 5 (종합). DRIVE Sim·resim·실주행을 자율주행 데이터 엔진(8.14)·안전(8.10~8.11)에 어떻게 통합하는지 전체 워크플로로 설명하라.

정답

통합 워크플로(플라이휠, 7.7·8.14): ① 실주행 수집 — 플릿이 주행하며 데이터 기록(8.13), 실패·불확실·드문 케이스 자동 마이닝(8.14) → 현실의 미지(SOTIF 모르는-위험 8.10)를 노출. ② 재시뮬레이션(resim) — 발견한 실패 케이스를 재생(결정적 회귀 검증)하고 변주(what-if: 그 상황에 위험 요소 주입)해 트리거 조건·반사실 탐색(8.10). 실+시뮬 다리. ③ DRIVE Sim 시나리오 — 발견한 트리거 조건을 파라미터 변주·도메인 랜덤화로 대규모 탐색(SOTIF 시나리오 공간), 합성 데이터(롱테일·위험, 완벽 라벨) 생성 → 데이터 갭(8.11) 메움. ④ 학습 — 실 데이터 + 합성 데이터 혼합으로 인지·계획 재학습(Sim2Real 갭 완화, 데이터센터 제4~6부). ⑤ 검증·안전 게이트 — SIL/HIL·폐루프로 새 모델을 시뮬레이션(대규모·안전)·resim(결정적 회귀)으로 검증, 안전 관련 메트릭(8.11)·시나리오(8.10)·회귀 → 통과 시. ⑥ 실주행 검증 — Sim2Real 갭 때문에 반드시 실주행으로 확인(시뮬만으로 안전 증명 불가). ⑦ 카나리 배포·모니터링(6.8·7.7) → 새 실패 → (다시 1). 역할 분담: DRIVE Sim(위험·롱테일·합성 데이터·대규모 검증), resim(결정적 회귀·반사실, 실+시뮬), 실주행(현실·미지 노출·최종 안전 검증). 셋이 보완 — 시뮬은 안전·대규모·변주, 실주행은 현실·미지·최종 검증. SOTIF(8.10)는 모르는 위험을 실주행으로 발견·시뮬로 탐색·완화, AI 안전(8.11)은 합성+실로 데이터 갭을 메우고 검증, 데이터 엔진(8.14)은 이 순환으로 롱테일을 좁힘. 안전은 시뮬+실+통계+규제(8.8~8.11)의 합 — "시뮬 통과 = 양산"이 아님(8.1). 자격 있는 엔지니어가 안전 판정.

8.15.12 요약 · 다음 장(제8부 마무리)

시뮬레이션 없이 자율주행을 검증·개선할 수 없다 — 위험·드문·무한 롱테일(8.10)을 실차로 못 다루니, 안전하게·대규모로·반복 탐색.
DRIVE Sim(Omniverse/OpenUSD 기반·물리적 센서 시뮬·시나리오 변주)으로 SOTIF 시나리오 공간을 탐색하고 합성 데이터를 만든다. 센서 충실도가 Sim2Real 갭을 좌우.
재시뮬레이션(resim) — 실주행 재생(결정적 회귀, 데이터 엔진 8.14)·변주(what-if, SOTIF 8.10). 실+시뮬 다리. SIL/HIL·폐루프로 실차 없이 AV 스택 검증.
Sim2Real 갭이 본질적 한계 — 시뮬레이션은 현실의 근사라 시뮬만으로 안전 증명 불가(실주행 검증 병행). 충실도·도메인 랜덤화·실+시뮬·실주행 검증으로 완화.
합성 데이터가 롱테일·위험 케이스를 완벽 라벨로 메우되(8.11 데이터 갭), 실 데이터와 혼합·검증(6.6). 10.5~10.7(제10부)로 이어짐.
정직: 시뮬+실+안전+규제의 합이 양산, "시뮬 통과 = 양산 안전"은 과장(8.1·8.11).
제8부(자율주행, 8.1~8.15) 완료: 컴퓨팅 요구·아키텍처(8.1) → DRIVE SoC(8.2~8.3) → DLA/PVA(8.4~8.5) → DRIVE OS(8.6~8.7) → 기능안전(8.8~8.11) → 센서 스택·AI·시뮬레이션(8.13~8.15). "차량이라는 실시간·안전·전력 제약 엣지에서 AI를 안전하게 운영"하는 전 계층을 익혔다(실제 안전은 전문가·표준의 영역).

다음 장: 9.1 Jetson 플랫폼과 모듈 선택. 제9부(로보틱스) 의 시작. 자동차에서 로봇·엣지로 무게를 옮긴다 — 로봇·임베디드 AI의 엣지 컴퓨팅 플랫폼 Jetson의 라인업·모듈·폼팩터·SoC를 보고, 자율주행(DRIVE)과의 공통점·차이를 짚으며 로보틱스 스택(Isaac, 9.7~)으로 이어간다.