제9부 로보틱스

9.1 Jetson 플랫폼과 모듈 선택

9.1.1 이 장에서 배우는 것 / 선수 지식

제8부(자율주행)에서 차량이라는 엣지를 봤다. 제9부(로보틱스)는 무게를 로봇·임베디드 엣지로 옮긴다 — 드론·AMR·매니퓰레이터·휴머노이드·스마트 카메라. 그 엣지 AI 컴퓨팅 플랫폼이 Jetson 이다. 이 장은 제9부의 시작으로, Jetson 플랫폼(엣지 AI 모듈)·라인업·SoM(System-on-Module) 개념·선택 축을 본다. 자율주행 DRIVE(8.2)와의 공통점·차이를 짚으며 로보틱스 스택(Isaac, 9.7~)으로 이어간다.

핵심 통찰: Jetson은 "로봇의 온보드 연산 플랫폼" 로, DRIVE(차량용 중앙 연산 플랫폼, 8.2)와 같은 혈통(이기종 SoC: GPU·DLA·PVA·CPU, CUDA/TensorRT 스택)이지만 도메인이 다르다 — 자동차급·ASIL 인증이 아니라, 작은 드론부터 큰 로봇까지 폭넓은 전력·폼팩터를 커버한다. 선택의 본질은 4.1(데이터센터 GPU 선택)와 같다: 로봇의 전력·성능·크기·I/O·비용 제약에 맞는 모듈을 형상으로 고르는 것 — 사양을 외우는 것이 아니라.

배우는 것:

Jetson이 무엇인가 — 엣지 AI 컴퓨팅 모듈(SoM), 로봇·임베디드의 연산 플랫폼.
DRIVE와의 공통점·차이 — 같은 이기종 SoC·CUDA 스택, 다른 도메인(자동차급 vs 로보틱스 폭넓음).
라인업 — 저전력 소형부터 고성능까지의 범위(세대·SKU 의존).
SoM vs devkit — 통합용 컴퓨트 모듈 vs 개발용 키트, 캐리어 보드.
선택 축 — 전력·성능(TOPS)·폼팩터·메모리·I/O·열·비용·소프트웨어 호환.

선수 지식: 8.2·8.4·8.5(이기종 SoC·DLA/PVA — Jetson이 공유)·8.1(엣지 제약·실시간)·4.1(데이터센터 선택 — 닮은 의사결정 장)·8.3(데이터센터-엣지 연속성). JetPack은 9.2~9.3, Isaac은 9.7~, TensorRT는 5.2. 환경은 Jetson·로보틱스.

정직: Jetson 라인업·모듈명·구체 사양(TOPS·전력·메모리)은 세대·SKU·시점 의존이다(BK-04) — 이 장은 수치를 단정하지 않고 선택 축·플랫폼 개념을 가르친다. 기능안전(안전 인증) 변형도 있으나 구성·범위는 확인 필요. 제품명·세대는 빠르게 바뀐다.

9.1.2 Jetson — 로봇의 온보드 연산 플랫폼

Jetson은 엣지에서 AI를 실행하는 컴퓨팅 모듈 family다 — 로봇·드론·카메라·임베디드 기기에 들어가는 작은 컴퓨트:

핵심: Jetson은 "로봇·임베디드의 AI 연산 플랫폼" 다 — 데이터센터의 추론(제5부)·자율주행의 엣지(제8부)와 같은 GPU·CUDA·TensorRT를 작은 전력·폼팩터에서. 로봇 제조사가 컴퓨트를 직접 설계하지 않고 Jetson 모듈을 통합해 제품을 만든다(9.1.4 SoM).

9.1.3 DRIVE와의 공통점·차이

Jetson과 DRIVE(8.2~8.15)는 형제다 — 비교로 이해한다:

축	Jetson(로보틱스)	DRIVE(자율주행)
도메인	로봇·드론·임베디드(폭넓음)	자동차(특정)
SoC	이기종(GPU·DLA·PVA·CPU)	이기종(GPU·DLA·PVA·CPU) — 공유 혈통
스택	CUDA·TensorRT·JetPack·Isaac	CUDA·TensorRT·DRIVE OS·DriveWorks
안전	일부 기능안전 변형(다양)	ASIL·기능안전 중심(8.8~8.11)
전력·폼팩터	매우 다양(소형 드론~대형 로봇)	자동차 중앙 컴퓨트(특정 범위)
환경	로봇·산업(다양)	자동차급(AEC-Q·15년)
양산	다양한 제품·소량~대량	차량 통합·인증

공통점:

같은 이기종 SoC 혈통: GPU·DLA·PVA·CPU(8.2·8.4·8.5) — Jetson도 DLA로 추론 오프로드, PVA로 비전.
같은 소프트웨어 스택: CUDA·TensorRT(5.2)·cuDNN — 데이터센터·DRIVE·Jetson이 연속(8.3). 데이터센터에서 학습→엣지에서 배포.
엣지 제약: 전력·열·실시간(8.1) — 로봇도 배터리·발열·실시간이 제약.

차이:

도메인·범위: DRIVE는 자동차 한 도메인, Jetson은 소형 드론부터 휴머노이드까지 폭넓은 전력·폼팩터·성능을 커버하는 family.
안전: DRIVE는 ASIL 중심(자동차 안전), Jetson은 로봇 용도에 따라 다양(일부 기능안전 변형, 인증 범위 확인 필요).

핵심: Jetson = DRIVE의 로보틱스판 — 같은 GPU·DLA·PVA·CUDA·TensorRT 혈통이되, 자동차급·ASIL이 아니라 폭넓은 로봇·임베디드를 위한 다양한 모듈. 그래서 제5부(추론)·제8부(엣지 컴퓨팅)에서 배운 것이 그대로 적용된다 — TensorRT로 추론, DLA 오프로드, 이기종 분업(8.4~8.5).

9.1.4 SoM과 devkit — 통합과 개발

Jetson은 두 형태로 온다:

SoM의 가치(왜 모듈인가):

컴퓨트 설계를 안 함: 로봇 제조사가 GPU·SoC·메모리·전원을 직접 설계하는 것은 매우 어렵다 — Jetson SoM이 검증된 컴퓨트를 모듈로 줘, 제조사는 캐리어 보드(자기 제품의 I/O·센서·폼팩터) 에 집중.
빠른 제품화: devkit으로 프로토타입 → SoM으로 양산. 같은 소프트웨어(JetPack, 9.2).
모듈 교체·스케일: 같은 캐리어에 다른 등급 SoM(성능 업그레이드)을 꽂기도(핀 호환 범위 내, 확인 필요).

견해: SoM 모델이 로보틱스 개발을 가속한다 — Hyperion(8.13)이 AV의 레퍼런스이듯, Jetson SoM이 로봇의 컴퓨트 빌딩 블록. 제조사는 devkit으로 개발하고 SoM으로 양산하며, 컴퓨트가 아니라 로봇·제품에 집중. 8.13의 "바닥부터 작성하지 않기"가 로보틱스판으로.

9.1.5 라인업·선택 축

Jetson은 전력·성능·크기·가격의 범위를 커버하는 family다(모듈명·사양은 세대·SKU 의존, 확인 필요):

한 family로 '같은 소프트웨어(JetPack)·다른 성능'을 제공한다(범위는 저전력 소형부터 고성능 대형까지).

선택 축(4.1의 로보틱스판):

축	질문
전력 예산	배터리·발열 한계? 드론(제약 큼) vs 전원 있는 로봇
성능(TOPS)	인지 모델 수·복잡도? 단순 vs 다센서·복잡 자율
폼팩터·크기	모듈이 들어갈 공간? 소형 드론 vs 대형 로봇
메모리	모델·데이터 크기?
I/O	카메라 수·센서·통신(CSI·이더넷·USB)?
열	능동(팬) vs 수동 냉각? 환경 온도?
비용·양산량	단가·물량?
소프트웨어	JetPack·TensorRT 호환(전 family 공통, 9.2)

견해: 로봇의 형상이 모듈을 정한다 — 작은 드론(저전력·소형·단순 인지)은 저전력 모듈, 휴머노이드·복잡 자율(다센서·고TOPS)은 고성능 AGX급. 4.1처럼 사양을 외우지 말고 제약(전력·크기·성능·I/O)으로 고르고, 그 시점 데이터시트로 확인(세대·SKU 의존). 같은 JetPack이라 소프트웨어는 family 공통.

9.1.6 워크스루 — 모듈 선택

로봇별 모듈 선택 워크스루(개념, 사양은 데이터시트로).

결정 축: 전력·무게가 1순위(드론)면 → 저전력·소형, 다센서·복잡 자율이면 → 고성능, I/O(카메라 수)는 → 그에 맞는 모듈.

엔진 활용(8.4~8.5 로보틱스판): 같은 이기종 분업으로 전력 예산 안에서 처리한다(8.2).

견해: 4.1(데이터센터)·8.2(DRIVE)와 같은 사고 — 형상(전력·크기·성능·I/O)으로 고르고 사양은 데이터시트로. 드론은 효율·무게, AMR은 균형, 휴머노이드는 성능. 최신 family는 같은 JetPack·TensorRT라 소프트웨어 이식이 대체로 쉽다(8.3 연속) — 단, 구세대 모듈은 지원 매트릭스를 먼저 확인(9.2). DLA/PVA 분업(8.4~8.5)으로 소비 전력을 절감한다.

9.1.7 중간 점검 (체크포인트)

[ ] Jetson이 로봇·임베디드의 엣지 AI 컴퓨팅 모듈(SoM) 임과, 용도(드론·AMR·휴머노이드 등)를 안다.
[ ] DRIVE와의 공통점(이기종 SoC·CUDA/TensorRT 스택·엣지 제약)과 차이(도메인·범위·안전)를 제시한다.
[ ] SoM(통합용 모듈) vs devkit(개발용) 과 캐리어 보드·SoM의 가치(컴퓨트 설계 안 함)를 안다.
[ ] Jetson 라인업이 전력·성능·크기의 범위를 한 family로 커버함을 안다.
[ ] 선택 축(전력·성능·폼팩터·I/O·열·비용·소프트웨어)으로 로봇에 맞는 모듈을 고른다.

증상→의심: 드론이 전력·무게 초과 → 고성능 모듈 과투자 → 저전력·소형. 복잡 자율인데 성능 부족 → 저성능 모듈 → 고성능 AGX급. 컴퓨트를 직접 설계 → SoM(검증된 모듈)으로. 개발에 모듈만 → devkit 필요. 사양을 책 수치로 단정 → 세대·SKU 의존, 데이터시트로. 소프트웨어 이식 걱정 → 전 family JetPack 공통(8.3·9.2). 추론으로 전력 초과 → DLA 오프로드·이기종 분업(8.4~8.5).

9.1.8 트레이드오프·대안

결정	트레이드오프
저전력 vs 고성능 모듈	효율·소형·저TOPS vs 성능·전력·크기
SoM(양산) vs devkit(개발)	통합·양산 vs 프로토타입 편의
Jetson vs MCU/다른 엣지	AI 성능·CUDA 스택 vs 초저전력·단순
Jetson vs 클라우드 오프로드	엣지 자율·저지연 vs 컴퓨트↓·연결 의존
최신 세대 vs 검증된	성능·신기능 vs 가용·안정·가격

견해: 로봇의 제약(전력·크기·성능·I/O)으로 모듈을 고르고, devkit으로 개발해 SoM으로 양산한다. 초저전력·단순 제어는 MCU가 맞을 수 있으나(AI 불필요), 엣지 AI(인지·자율)가 필요하면 Jetson의 GPU·CUDA·TensorRT·Isaac 스택이 강점. 클라우드 오프로드는 연결·지연·자율성에서 엣지가 유리(8.1). 최신 vs 검증 세대는 4.1처럼 TCO·가용성으로. 같은 JetPack이라 세대 전환·이식이 쉽다(8.3).

비엔비디아 정직: 엣지 AI 컴퓨팅은 경쟁(Qualcomm·다른 엣지 SoC·NPU·라즈베리파이급 + 가속기)이 있다. Jetson의 강점은 GPU·DLA·PVA 이기종·CUDA/TensorRT 생태계·Isaac 로보틱스 스택·데이터센터-엣지 연속(8.3)·SoM 양산이다. 초저전력·단순 작업은 MCU·다른 칩이 맞을 수 있으니, AI 워크로드·생태계·전력·폼팩터로 판단. 사양은 데이터시트로(세대 의존).

로보틱스 안전 표준에 대한 정직: 제9부(로보틱스) 여러 장이 안전 논의에서 자율주행 기능안전 장(8.8~8.11, ISO 26262·SOTIF)을 참조하는데, 이는 격리·중복화·최신성 같은 일반 안전 설계 원칙을 유비로 빌려 쓰는 것이지, 로봇이 자동차 표준으로 인증됨을 뜻하지 않는다. 산업·서비스 로봇에는 별도의 로봇 전용 안전 표준(예: ISO 10218·ISO/TS 15066·ISO 13482 계열, 확인 필요)이 있으나 이 책은 다루지 않는다 — 로봇 안전 인증이 필요한 제품이면 그 표준과 자격 있는 안전 엔지니어를 따로 봐야 한다.

9.1.9 흔한 함정

사양을 외워 단정. TOPS·전력·메모리는 세대·SKU·시점 의존 — 데이터시트로(BK-04).
고성능 과투자. 단순 인지 드론에 고성능 모듈은 전력·무게·비용 낭비 → 형상에 맞게.
저성능 부족. 복잡 다센서 자율에 저성능 모듈은 성능 부족 → 고성능.
컴퓨트 직접 설계. GPU·SoC를 직접 설계는 어려움 → SoM(검증된 모듈).
devkit으로 양산. devkit은 개발용 — 제품엔 SoM 통합.
이식성을 무조건 가정. 최신 family는 JetPack·TensorRT 공통이라 세대 전환이 대체로 쉽지만, 무조건은 아니다 — 구세대 모듈은 최신 JetPack을 지원 안 할 수 있어 지원 매트릭스 확인이 먼저다(9.2).
DRIVE와 혼동. Jetson은 로보틱스(폭넓음), DRIVE는 자동차(ASIL) — 도메인·안전이 다름.
추론으로 전력 초과. GPU로만 → DLA 오프로드·PVA 분업(8.4~8.5, 전력 효율).

9.1.10 연습문제

연습 1 (Jetson vs DRIVE). Jetson과 DRIVE의 공통점 셋과 차이 셋을 대고, "Jetson은 DRIVE의 로보틱스판"이라는 말의 의미를 설명하라.

정답

공통점: ① 이기종 SoC 혈통 — 둘 다 GPU·DLA·PVA·CPU(8.2·8.4·8.5)를 한 칩에, DLA로 추론 오프로드·PVA로 비전. ② 소프트웨어 스택 — CUDA·TensorRT(5.2)·cuDNN 공통, 데이터센터에서 학습→엣지 배포(8.3 연속). ③ 엣지 제약 — 전력·열·실시간(8.1). 차이: ① 도메인·범위 — Jetson은 로봇·드론·임베디드(소형 드론~휴머노이드, 폭넓음), DRIVE는 자동차 한 도메인. ② 안전 — DRIVE는 ASIL·기능안전 중심(8.8~8.11, 자동차 안전), Jetson은 용도별 다양(일부 기능안전 변형). ③ 환경·폼팩터 — DRIVE는 자동차급(AEC-Q·15년)·특정 중앙 컴퓨트, Jetson은 다양한 전력·폼팩터·환경. "Jetson은 DRIVE의 로보틱스판"의 의미: 같은 GPU·DLA·PVA·CUDA·TensorRT 혈통(차량 중앙 연산 ↔ 로봇 온보드 연산)이되, 자동차급·ASIL이 아니라 폭넓은 로봇·임베디드를 위한 다양한 모듈로 만든 것. 그래서 제5부(추론)·제8부(엣지 컴퓨팅·DLA/PVA 분업)에서 배운 것이 Jetson에 그대로 적용 — TensorRT 추론, DLA 오프로드, 이기종 분업(8.4~8.5). 두 플랫폼이 기술·스택을 공유하고 도메인만 달라, 데이터센터-DRIVE-Jetson이 하나의 연속 스택(8.3).

연습 2 (SoM). SoM(System-on-Module)과 devkit의 차이, SoM 모델이 로봇 개발을 어떻게 가속하는지 설명하라.

정답

차이: SoM(컴퓨트 모듈) = SoC + 메모리 + 전원 + 커넥터를 작은 모듈 보드로 — 로봇 제조사가 자기 캐리어 보드(제품의 I/O·센서·폼팩터)에 꽂아 제품에 통합. 제품에 실제 들어가는 양산용. devkit(개발자 키트) = SoM + 레퍼런스 캐리어 보드(포트·전원·I/O)로 바로 개발·프로토타입 — 개발·실험용(제품엔 모듈만). SoM 모델이 개발을 가속하는 법: ① 컴퓨트 설계를 안 함 — GPU·SoC·메모리·전원·고속 신호를 직접 설계하는 것은 매우 어렵고 위험(고난도 하드웨어). Jetson SoM이 검증된 컴퓨트를 모듈로 줘, 제조사는 자기 제품(캐리어 보드의 센서·I/O·폼팩터)에 집중. ② 빠른 제품화 — devkit으로 프로토타입 → SoM으로 양산, 같은 소프트웨어(JetPack). 컴퓨트 검증 시간 절약. ③ 모듈 교체·스케일 — 같은 캐리어에 다른 등급 SoM(성능 업그레이드)을 꽂기도(핀 호환 범위, 확인 필요). 비유: Hyperion(8.13)이 AV의 레퍼런스이듯 Jetson SoM이 로봇의 컴퓨트 빌딩 블록 — 제조사는 컴퓨트가 아니라 로봇에 집중. 8.13의 "바닥부터 작성하지 않기"가 로보틱스판. SoM이 로보틱스 진입 장벽을 크게 낮춤.

연습 3 (모듈 선택). 다음 로봇에 저전력·중간·고성능 Jetson 중 무엇을 권하고 왜인지: (a) 실내 배송 드론, (b) 창고 AMR(라이다·카메라 SLAM), (c) 휴머노이드 로봇.

정답

(a) 실내 배송 드론 → 저전력·소형 모듈 — 드론은 전력·무게·크기가 매우 엄격(배터리·비행 시간·페이로드). 인지가 비교적 단순(장애물 회피·내비)이면 적당한 TOPS면 충분. 효율(TOPS/W)·무게·소형 폼팩터가 1순위 → 저전력·소형 Jetson. 고성능 모듈은 전력·무게 초과로 비행 불가. (b) 창고 AMR → 중간 성능 모듈 — 전원/배터리에 여유가 더 있고, 다센서(라이다·카메라)·SLAM(9.9)·내비로 중간 컴퓨팅. I/O(센서 연결)·성능 균형. 저전력은 SLAM·다센서에 부족할 수 있고, 고성능은 과투자. (c) 휴머노이드 → 고성능 AGX급 — 복잡 자율(다센서·매니퓰레이션·VLA 파운데이션 모델 10.10)·고TOPS, 전력 여유 일부 있음. 성능·메모리 우선(큰 모델·다센서), 효율도. 저/중간은 휴머노이드의 복잡 인지·제어에 부족. 결정 축: 전력·무게가 1순위면 저전력(드론), 다센서·복잡 자율이면 고성능(휴머노이드), 균형이면 중간(AMR). 모두 같은 JetPack·TensorRT라 소프트웨어 이식은 쉬움(8.3). DLA/PVA 분업(8.4~8.5)으로 전력 효율. 사양은 데이터시트로(세대·SKU 의존). 4.1(데이터센터)·8.2(DRIVE)와 같은 "형상으로 고르기".

연습 4 (Jetson vs 대안). 어떤 임베디드 제품에 Jetson이 맞고, MCU나 클라우드 오프로드가 맞는 경우는 언제인지 구분하라.

정답

Jetson이 맞을 때: 엣지에서 AI(인지·자율) 가 필요할 때 — 카메라·라이다 기반 검출·분할·SLAM·자율 내비·매니퓰레이션, GPU·DLA·PVA로 추론(TensorRT, 5.2), Isaac 로보틱스 스택(9.7). AI 워크로드가 상당하고 저지연·자율성·생태계가 필요한 로봇·드론·스마트카메라. MCU(마이크로컨트롤러)가 맞을 때: 단순 제어·초저전력·AI 불필요 — 모터 제어·센서 읽기·간단 로직처럼 신경망 추론이 없거나 연산 부하가 매우 작으면, MCU가 훨씬 저전력·저비용·단순. Jetson은 과함. (실제 로봇은 Jetson(고수준 인지·자율) + MCU(저수준 실시간 제어)를 함께 쓰기도 — 역할 분담.) 클라우드 오프로드가 맞을 때: 컴퓨트를 엣지에 두기 어렵고(전력·비용), 연결이 안정적·지연 허용되며 데이터를 클라우드로 보내도 될 때 — 단 자율주행·실시간 로봇은 연결 끊김·지연·자율성 때문에 엣지(Jetson)가 유리(8.1). 안전·실시간·연결 불안정이면 엣지. 구분: AI+엣지+자율+저지연 = Jetson, 단순 제어·초저전력 = MCU, 컴퓨트 최소화+연결 OK = 클라우드. AI 워크로드·전력·연결·자율성·실시간으로 판단. 많은 로봇이 Jetson(인지·자율) + MCU(제어) 조합 + 선택적 클라우드(비실시간 학습·관제).

연습 5 (연속 스택). 데이터센터에서 학습한 모델을 Jetson 로봇에 배포하는 흐름과, 같은 소프트웨어 스택의 이점을 설명하라.

정답

흐름(8.3 연속성의 로보틱스판): ① 데이터센터 학습(제4~6부) — GPU 클러스터에서 인지 모델을 학습(NeMo·PyTorch, 6.2), 데이터 큐레이션(6.6). ② 최적화 — 모델을 TensorRT로 컴파일(5.2), Jetson 타깃(GPU+DLA, 8.4)·정밀도(INT8/FP16, 5.4)로 엣지에 맞게. DLA 오프로드로 전력 효율. ③ 배포 — Jetson 모듈에 엔진을 탑재해 로봇에서 추론(JetPack 런타임, 9.2). ④ 엣지 실행 — 로봇이 카메라·라이다로 인지·자율(Isaac, 9.7~9.9). ⑤ 데이터 플라이휠(7.7·8.14) — 로봇이 만난 실패·엣지케이스를 수집 → 데이터센터 재학습 → 재배포. 같은 스택의 이점: ① CUDA·TensorRT·cuDNN 공통 — 데이터센터·DRIVE·Jetson이 같은 프로그래밍 모델·툴체인이라 모델·코드를 재작성 없이 이식(엔진은 타깃 재빌드, 5.2의 GPU 종속). ② 개발-배포 연속 — 데이터센터에서 개발·시뮬레이션(8.15·Isaac Sim 9.11)하고 엣지에 배포, 같은 워크플로. ③ 세대 이식 — Jetson family가 같은 JetPack이라 모듈 세대 전환도 쉬움(9.1.4). ④ 로보틱스 스택 — Isaac(9.7)이 그 위에서 가속 ROS·인지·매니퓰레이션. 이점 요약: 학습(데이터센터)→최적화(TensorRT)→배포(Jetson)가 하나의 연속 스택(8.3)이라, 클라우드와 엣지가 단절이 아니라 이어짐. "한 번 익힌 CUDA·TensorRT 스택을 데이터센터·자동차·로봇에 재사용" — 엔비디아 풀스택의 핵심 가치(0.1). 플라이휠로 로봇 데이터가 다음 모델을 개선.

9.1.11 요약 · 다음 장

Jetson은 로봇·임베디드의 엣지 AI 컴퓨팅 모듈(SoM) — 드론·AMR·휴머노이드·스마트카메라의 연산 플랫폼. DRIVE(차량 중앙 연산)와 같은 이기종 SoC(GPU·DLA·PVA·CPU)·CUDA/TensorRT 혈통이되 도메인이 다르다(로보틱스 폭넓음, 자동차급 ASIL 아님).
SoM(통합용 모듈) + devkit(개발용) — SoM이 검증된 컴퓨트를 줘 제조사가 컴퓨트 설계 없이 로봇에 집중(devkit 개발 → SoM 양산). Hyperion(8.13)의 로보틱스판.
라인업은 저전력 소형부터 고성능까지 한 family(같은 JetPack)로 커버 — 선택은 로봇의 전력·성능·폼팩터·I/O·열·비용 제약으로(4.1·8.2처럼 형상으로, 사양은 데이터시트).
드론(저전력·효율·무게)·AMR(균형)·휴머노이드(고성능)처럼 로봇 형상이 모듈을 정하고, DLA/PVA 분업(8.4~8.5)으로 소비 전력을 절감한다. 데이터센터→엣지 연속 스택(8.3).
정직: Jetson 라인업·사양은 세대·SKU 의존(데이터시트), 안전 변형은 확인 필요. AI+엣지면 Jetson, 단순 제어는 MCU도.

다음 장: 9.2 JetPack·L4T I — 플래싱·부팅. Jetson 모듈을 골랐으니, 그것을 동작시키는 소프트웨어 — JetPack(SDK)·L4T(Linux for Tegra)의 이미지·플래싱·부팅 흐름을 본다. 데이터센터·자동차와 다른 임베디드 부트·이미지의 특수성을 짚는다.