책임감 있는 AI 활용 및 향상된 모델 훈련   이번 호에서는 AI를 활용해 실시간 3D 콘텐츠를 제작하는 툴인 유니티 뮤즈(Unity Muse)에서 결과를 생성하는 방법을 설명하고, 유니티의 모델 훈련 방법론 및 새로운 파운데이션 모델 두 가지를 소개한다. ■ 자료 제공 : 유니티 코리아   유니티 뮤즈는 AI 기능을 바탕으로 사용자의 탐색, 아이디어 구상 및 반복 작업을 지원한다. 이러한 기능 중 텍스처(Texture) 및 스프라이트(Sprite)는 자연어와 시각적 입력을 애셋으로 변환한다. 뮤즈를 통해 유니티 에디터에 AI를 도입하면 아이디어를 가시적인 콘텐츠로 빠르게 구현할 수 있으므로, 비전을 더 손쉽게 실현할 수 있다. 프로젝트에 사용 가능한 실제 결과물로 변환할 수 있는 텍스트 프롬프트와 패턴, 색, 스케치를 이용하여 조정 및 반복 작업도 가능하다. 유니티는 뮤즈를 통한 스프라이트 및 텍스트 생성의 기반이 되는 AI 모델에 대한 훈련 기법을 혁신하는데 노력을 들였다. 이를 통해 안전하고 책임감 있으며 다른 크리에이터의 저작권을 존중하는 유용한 결과물을 제공하고자 한다.   AI 모델 훈련 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 선보이면서, 유니티가 보유하거나 라이선스를 받은 독점 데이터를 기반으로 처음부터 훈련을 받은 두 가지 맞춤형 확산 모델도 개발하고 있다.   자체 콘텐츠 라이브러리 확장 데이터 증강은 유니티가 데이터 세트의 스케일과 다양성을 높이기 위해 사용하는 핵심 기술 중 하나로, 이 기술을 이용하여 유니티는 보유 중인 원본 데이터 샘플에서 많은 변형(variation)을 생성할 수 있다. 이러한 역량으로 훈련 세트를 더 풍부하게 만들 수 있으며, 모델이 한정된 샘플을 기반으로 일반화를 수행하는 기능을 향상할 수 있다. 아울러 지오메트리 변환, 색 공간 조정, 노이즈 삽입, 스테이블 디퓨전(Stable Diffusion) 같은 생성형 모델을 통한 샘플 배리에이션 등의 기법을 사용해 데이터 세트를 종합적으로 확장한다. 최근 스테이블 디퓨전과 관련하여, 본래 인터넷에서 수집된 데이터를 기반으로 훈련된 모델이라는 이유로 윤리적인 면에서 우려가 발생한 바 있다. 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 제작하면서, 자체적으로 소유하고 책임감 있게 선별한 원본 데이터 세트를 기반으로 잠재적 확산 모델 아키텍처를 처음부터 훈련하는 방식을 통해 사전 훈련된 모델에 대한 의존도를 낮췄다. 데이터 증강 기법의 일부로 스테이블 디퓨전 모델의 사용을 최소로 제한해 안전하게 사용함으로써, 유니티가 보유한 원본 애셋 라이브러리를 강력하고 다양한 결과물의 저장소로 확장할 수 있었다. 이러한 결과물은 고유하고 독창적이며, 저작권을 가진 어떠한 아트 스타일도 포함하지 않는다. 유니티는 또한 추가로 완화 조치를 적용했으며, 뮤즈의 텍스처 및 스프라이트 기능에 사용되는 유니티의 잠재적 확산 모델을 위한 훈련 데이터 세트는 인터넷에서 수집된 어떤 데이터도 포함하지 않는다. 다음은 앞에서 설명한 증강 기법을 통해 확장되는 콘텐츠의 예시이다.   그림 1   <그림 1>은 원본 데이터 샘플(왼쪽 상단)과 복합적인 증강 기법으로 얻은 합성 배리에이션이다. 두 가지 모두 노이즈 기반(색 공간 조정, 위에서 아래로) 및 생성 기반(왼쪽에서 오른쪽으로)이다. 기존 데이터를 증강한 이후에도 여전히 다양한 소재에서 채워야 하는 부분이 있었다. 이 작업을 위해 행동에 의미 있는 변화가 나타날 때까지 자체 콘텐츠로 스테이블 디퓨전을 훈련시켰다. 또한 이러한 파생 모델을 사용하여 사전 필터링된 소재 목록으로 완전히 새로운 합성 데이터를 만들었다.(그림 2)   그림 2   실제 인력에 의한 검토와 LLM(대규모 언어 모델)을 사용하는 자동화된 추가 필터링을 이러한 소재 목록에 모두 적용함으로써, 유니티의 가이드 원칙을 위반하고 인식 가능한 아트 스타일, 저작권이 있는 머티리얼, 잠재적으로 유해한 콘텐츠가 전혀 포함되지 않은 데이터 세트를 만들겠다는 유니티의 목표에 맞지 않는 합성 이미지가 생성될 가능성을 차단했다. 그 결과 증강되고 완전한 대규모의 합성 이미지 데이터 세트 두 개가 만들어졌고, 여기에는 원치 않는 콘셉트가 포함되지 않았다는 확신이 있었다. 하지만 그러한 확신에도 불구하고, 유니티는 더 많은 필터링을 추가해 모델의 안전성을 보장하고자 했다.   안전하고 유용한 결과물을 위한 추가 데이터 필터링 가장 중요한 사항은 안전 및 개인정보와 부정적인 영향 없이 사용자를 지원하는 툴의 제공이었으므로, 유니티는 추가 데이터 세트 필터링을 위한 별도의 분류기 모델을 개발했다. 이 모델을 사용한 결과, 데이터 세트에 포함된 모든 콘텐츠가 유니티의 AI 원칙에 명시된 표준을 충족하고 추가적인 이미지 품질 검사를 통과할 수 있었다. 리뷰어 모델은 합성 이미지에서 다음 사항을 식별하는 역할을 함께 담당했다. 인식 가능한 사람의 특징이 포함되어 있지 않음 일반적이지 않은 어떤 아트 스타일도 포함되어 있지 않음 어떤 IP 캐릭터나 로고도 포함되어 있지 않음 허용될 수 있는 수준의 품질을 갖추고 있음 4개의 리뷰어 모델이 요구하는 신뢰도 높은 임계 수준을 하나라도 통과하지 못하는 이미지는 데이터 세트에서 폐기되었다. 가장 높은 신뢰도를 보이는 이미지만 필터를 통과해 최종 데이터 세트에 합류할 수 있도록 철저하게 주의를 기울이며, 모델의 결격 사유를 엄격하게 평가했다.   모델 소개 유니티의 유나이트 이벤트에서 뮤즈의 텍스처 및 스프라이트 기능에 대한 얼리 액세스가 발표되었다. 이러한 툴을 지원하는 모델의 첫 번째 반복 수정을 내부적으로 ‘Photo-Real-Unity-Texture-1’ 및 ‘Photo-Real-Unity-Sprite-1’이라고 한다. 이는 스타일화에 대한 기초적인 이해만 갖추도록 설계된 모델로, 주로 포토리얼리즘에 집중되어 있다. 모델을 프로젝트의 기존 스타일에 맞게 가이드하고 싶다면, 유니티의 스타일 훈련 시스템에 약간의 고유 레퍼런스 애셋을 제공하여 콘텐츠를 특정 아트 스타일로 생성하는 방법을 모델에 학습시킬 수 있다. 그렇게 하면 결과물 가이드를 위해 메인 모델과 함께 작동하는 소규모의 후속 모델이 생성된다. 이 소규모 후속 모델은 훈련 담당자나 그 조직에 공개되지 않으며, 유니티는 메인 모델 훈련에 이 콘텐츠를 사용하지 않는다. 포토리얼리즘에 중점을 두는 모델이기 때문에 유니티는 메인 모델을 수많은 다양한 스타일로 훈련시킬 필요가 없었다. 이 아키텍처를 통해 더 손쉽게 책임감 있는 AI를 향한 유니티의 약속을 지키면서 메인 모델을 훈련시킬 수 있으며, 크리에이터가 아트 수준을 더 세부적으로 제어하도록 할 수 있다. 이러한 모델은 시작에 불과하다. 뮤즈의 스마트한 역량은 점점 더 향상되어 더 나은 결과물로 이어질 것이며, 유니티는 그러한 과정에서 모델 향상 로드맵을 통해 모델을 더 높은 완성도로 이끈다는 비전을 내세운다.   Photo-Real-Unity-Texture-1 로드맵 유니티의 텍스처 모델은 모든 분야에서 유용하게 쓰일 수 있다. 큰 규모의 콘셉트를 인식하고 있으며, 이러한 모델을 통해 서로 관련이 없는 여러 콘셉트를 자유롭게 혼합하고 <그림 3>에서 볼 수 있는 ‘메탈 슬라임’ 또는 ‘파란색 크리스탈 유리 암석’ 같은 결과물을 구현할 수 있다.   그림 3   이 모델이 현 단계에서 유용하기는 하지만, 다양한 프롬프트와 입력 방식에 어떻게 반응하는지 학습해 본 결과 단일 단어로 구성된 프롬프트로는 고급 머티리얼 콘셉트를 구현하기 어려울 수도 있다는 사실을 알 수 있었다. 원하는 목표에 맞게 모델을 가이드하는 데에 도움이 되는 방법이 더 있지만, 유니티는 기본 프롬프트의 정확도를 높이고 새로운 모델 가이드 방법을 추가하는 방식으로 사용자가 모델을 계속 더 자유롭게 제어할 수 있도록 할 예정이다. 앞으로 컬러 피커, 추가적인 사전 제작 가이드 패턴, 자체 가이드 패턴 생성을 위한 개선된 시스템 및 기타 새로운 시각적 입력 방법을 추가할 계획이며, 이 모든 사항은 현재 실험 단계에 있다. Photo-Real-Unity-Texture-1에서 유니티가 가장 중점을 두는 사항은 성과가 저조한 머티리얼 콘셉트를 식별하고 모델 재훈련을 자주 실행하여 전반적인 품질과 기능을 지속적으로 개선하는 것이다. 툴 내 평가 시스템을 통한 사용자의 피드백은 유니티가 모델 기능에서 취약점을 식별하여 더 나은 툴을 만드는 데 도움이 된다. 유니티는 빈도 높은 훈련 일정으로 모델을 빠르게 개선하고, 모델의 사용성을 높이며, 머티리얼 분야에 대한 지식을 축적하고 있다.   Photo-Real-Unity-Sprite-1 로드맵 Photo-Real-Unity-Texture-1과 유사하게 유니티의 기본적인 스프라이트 모델은 전반적으로 유용하며 많은 콘셉트를 인식한다. 툴에 아직 빌트인 애니메이션 기능이 없기 때문에, 유니티는 초기에는 가장 흔하게 사용되는 정적 스프라이트 콘셉트의 품질을 극대화하는데 주력하기로 했다. 기본 모델의 원시 결과물을 <그림 4>에서 확인할 수 있다. 일반적인 사용 사례에서 이는 사용자 훈련 모델에 의해 특정 아트 스타일에 맞게 조정된다.   그림 4   정적 오브젝트는 이미 안정적이지만 유니티는 동물과 인간의 해부학적 정확도를 개선하기 위해 계속 노력하고 있다. 이러한 유형의 소재를 사용할 때 결과가 바람직할 수도 있지만, 사지가 늘어나거나 누락되는 경우 또는 안면이 왜곡되는 경우가 발생할 수도 있다. 이는 책임감 있는 AI 및 사용 가능한 데이터에 대한 엄격한 제한을 지향하는 유니티의 조치에 따른 부작용이라고 할 수 있다. 유니티는 개인정보 보호와 안전을 중요하게 인지하고 있으며, 이로 인해 초기 얼리 액세스 릴리스에서 일부 소재의 품질이 완벽하지 않을 수 있다. 완전히 공백인 스프라이트가 생성될 수도 있으며, 이는 시각적 콘텐츠 검수 필터에 따른 결과이다. 유니티는 Photo-Real-Unity-Sprite-1의 초기 출시 버전에서는 출력 필터링에 관해 신중하게 접근하는 방향을 택했으며, 이로 인해 일부 아트 스타일의 경우 필터링에서 1종 오류가 발생할 수 있다. 유니티는 지속적으로 피드백을 수렴하고 콘텐츠 필터를 개선하면서 점차 제한을 완화할 계획이다. 유니티는 피드백을 수렴하고 책임감 있는 자세로 계속 더 많은 데이터를 소싱하면서 전반적으로 모든 소재의 품질이 빠르게 향상될 것으로 기대하고 있다. Photo-Real-Unity-Sprite-1에도 Photo-Real-Unity-Texture-1과 유사하게 철저한 훈련 일정이 적용될 예정이다.   AI 강화 개발을 향한 유니티의 행보 뮤즈는 책임감 있고 타인의 독창성을 존중하는 방식으로 생성형 AI의 잠재력을 활용해 커뮤니티에 더 강력한 창작물 제어 권한을 부여하려는 유니티의 첫걸음이다. 이 제품은 사용자를 우선으로 고려하여 제작되었으며, 유니티는 사용자의 피드백을 기반으로 변화와 개선을 진행할 예정이다. 유니티는 콘텐츠 제작 업계에서 생성형 AI가 가지는 잠재적 영향력을 인식하며 중요하게 다루고 있다. 이 툴은 크리에이터를 대체하는 것이 아닌, 크리에이터의 역량을 강화하기 위한 노력의 결과이다. 유니티는 크리에이터가 더 많아질수록 세상은 더 매력적인 곳이 될 것이라고 믿으며, 뮤즈와 이를 지원하는 모델을 통해 이러한 사명을 계속 이어간다는 비전을 제시한다.     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   지난 호 칼럼에서 디지털 수명 주기 프레임워크에 대해서 설명하였다. 일반적으로 프레임워크(framework)는 복잡한 문제를 해결하거나 복잡한 구조를 구축할 때 기반으로 쓰이는 기본 구조를 말한다. 디지털 엔지니어링은 매우 복잡한 문제를 해결해야 한다. 특히 제품 개발과 동시에 제품의 디지털 트윈(digital twin)도 개발해야 한다.  이것은 제품 개발에서 두 가지 트윈인 물리적 트윈과 디지털 트윈을 동시해 개발해야 하는 것을 의미하며, 이것을 모두 충족할 수 있는 디지털 스레드(digital thread) 환경을 구축해야 한다. 또한 최근에 화두로 부상하고 있는 소프트웨어 정의 x 또는 소프트웨어 중심 x(software-defined x)의 프로세스를 포함해야 한다.    그림 1. 디지털 제품/시스템 수명주기 프레임워크    <그림 1>의 프레임워크에서는 지식과 기술의 영역으로 정의한 네 가지 스피어(sphere)로 크게 분류하였다.  각 스피어는 고유의 특성이 있어서 그 분야의 전문 특성과 지식이 있다. 또한 각 스피어 사이에는 보이지 않는 경험과 지식과 패러다임의 벽이 존재한다. 스피어를 사용한 이유는 보이지 않는 장벽을 가지고 있기 때문이다. 첫 번째 영역은 제품 또는 시스템으로 대표되는 물리적 스피어(physical sphere)이며, 제품 부품으로 구성되어 있다. 이것을 가상 스피어와 비교한다면 디지털 트윈이 되는 것으로 공장에서 직접 생산되는 물리적 실체(physical entity)이다. 두 번째는 가상 스피어(virtual sphere)이다. 디지털 트윈은 가상 스피어로 가상세계(virtual world)이며 현실세계(real world)의 제품이나 시스템과 연동된다. 이것은 물리적 스피어의 경험과 지식 그리고 감각과 패러다임이 존재한다. 단지 소프트웨어 코딩 지식이나 제품의 물리적 지식이나 경험이 있다고 자동적으로 가상 스피어의 디지털 트윈을 만들 수 있는 것이 아니다. 세 번째는 정보 스피어(information sphere)로 현재까지 제품 개발에 핵심적 역할을 하고 있는 산업용 소프트웨어(industrial software) 영역이다. 이곳에는 다양한 컴퓨터 지원 개발 기술(CAx : Computer-Aided Everything)이 있으며, 대표적으로 컴퓨터 지원 설계 시스템(CAD), 컴퓨터 지원 제조(CAM), 컴퓨터 지원 해석 시스템(CAE) 등으로 제품의 데이터와 정보를 생성한다. 생성된 데이터는 제품 수명주기 관리(PLM) 시스템 안에서 자동화되고 저장된다.  네 번째는 사이버 스피어(cyber sphere)로 소프트웨어 중심 x의 영역이다. 주로 코딩의 영역으로 물리적 기능을 가상화(virtualization)하는 영역이다.    그림 2. 네 가지 스피어   가상 스피어와 사이버 스피어는 디지털 영역(digital domain)이지만, 정보 스피어는 물리적 영역(physical domain)과 디지털 영역으로 구분된다. 왜냐면 디지털 목업(digital mockup)이나 시뮬레이션(simulation)도 있지만 아직도 이 영역에서 물리적 시험(physical test) 등이 많이 필요하며, 미래에도 완전히 디지털화(digitalization)하기에는 갈 길이 멀다. 앞으로 가장 발전할 분야는 사이버 스피어 분야이다. 현재는 소프트웨어 정의 x로 발전 중이지만, 가까운 미래에는 소프트웨어 플랫폼(software platfom)으로 발전할 가능성이 높다.  그러나 새로운 기술과 접근 방법에는 리스크가 많다. 이런 리스크 관리를 하지 않으면 제품 개발이나 엔지니어링 분야에서 크게 낭패를 볼 수 있다. 다른 비즈니스 분야의 디지털 전환이나 인공지능 분야와 다르게 산업 분야는 리스크(risk)가 소비자나 사용자에게 엄청난 파급효과가 있다.   최근 보잉의 사례에서 보는 것과 같이 과도한 디지털 전환으로 아날로그 지식 엔지니어를 해고하는 바람에 엄청난 위기를 가져오고 있다. 지난 1월 보잉 737 맥스 항공기의 문짝이 비행 중 뜯어져 나가는 사고가 발생했다. 알고 보니 조립 과정에서 아예 나사를 빼먹었기 때문이라는 사실이 드러나 충격을 줬다. 보잉이 지난 20년 동안 비용 절감을 위해 아웃소싱을 대폭 확대하면서 숙련된 엔지니어들이 떠났고, 결국 심각한 항공기 품질 저하로 이어졌다.   지난 4차 산업혁명의 초기에 제너럴 일렉트릭(GE)은 디지털 트윈 사업을 제일 먼저 시작했다. 야심차게 시작한 프레딕스(Predix) 플랫폼은 실패하였고, GE 디지털 회사는 다른 회사에게 팔려갔다. 2000년대 초에도 지엠(GM) 자동차가 CAD와 PLM에 지나치게 의존하다가 기업이 어려워진 적이 있다. 기술은 어디까지 기술적 역량이지, 인간의 다양한 역량을 대체할 수 없다. 이런 사례는 현재 진행 중인 디지털 전환과 인공지능 전환(AI transformation)에 대해서 많은 교훈을 준다. 대부분 실제 경험보다는 연구만 하는 학자나 미디어에서 아직 리스크가 많은 기술에 대해 지나치게 낙관적으로 접근한다. 기술 낙관론이라는 낙관주의 편향(optimism bias)이다. 실제 산업계에서는 이런 것이 커다란 위험요소가 된다.    결론적으로 이런 접근방법에서 가장 중요한 것은 속도보다는 방향성이다.  네 가지 스피어에서 접근방법은 각 스피어의 지식과 경험과 패러다임이 어떻게 연결 및 연동할 것인가에 대한 구체적인 방법과 도구를 발굴해야 한다. 그리고 이에 대한 디지털 전략과 디지털 리스크를 만들어야 한다. 그러므로 이런 프레임워크를 사용해서 구체적인 실행 목록을 만드는데 사용할 수 있다. “완벽한 형태는 공이며, 모든 것은 구체에서 시작한다.(The perfect form is the sphere, and everything originates from the sphere.)” - 플라톤   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아가 디지털 트윈으로 실시간 AI를 시뮬레이션해 산업 자동화에 큰 발전을 이룰 수 있다고 소개했다. 엔비디아 창립자 겸 CEO 젠슨 황(Jensen Huang)은 GTC 기조연설에서 개발자가 디지털 트윈(digital twin)을 사용해 대규모 실시간 AI를 산업 인프라에 적용하기 전, 이 전체를 먼저 시뮬레이션 한 후에 개발, 검증하고 개선한다면 상당한 시간과 비용을 절감할 수 있다는 것을 시연을 통해 보여줬다. 실시간(Real-Time) AI는 제조, 공장 물류, 로보틱스 분야의 중대한 작업을 처리하는 데 큰 도움을 주고 있다. 시뮬레이션을 우선으로 실시하는 접근방식은 부피가 큰 제품, 고가의 장비, 협동 로봇 코봇(cobot) 환경, 복잡한 물류 시설을 다루는 산업에서 자동화 기술의 발전을 한 단계 끌어올리고 있다. 엔비디아 옴니버스(Omniverse), 메트로폴리스(Metropolis), 아이작(Isaac)과 cuOpt 플랫폼이 서로 상호작용하는 AI 훈련장(gym)에서, 개발자들은 인간과 로봇이 예측 불가능한 복잡한 상황을 탐색할 수 있도록 AI 에이전트(Agent)를 훈련시킬 수 있다. 데모 영상은 오픈USD(OpenUSD) 앱 개발과 연결을 위해 엔비디아 옴니버스 플랫폼으로 만들어진 10만 평방 피트 규모의 창고 디지털 트윈을 보여준다. 이는 수십의 디지털 작업자와 다수의 자율주행로봇(autonomous mobile robot, AMR), 비전 AI 에이전트와 센서를 위한 시뮬레이션 환경으로 활용되고 있다. 엔비디아 아이작 퍼셉터(Isaac Perceptor) 멀티-센서 스택을 실행하는 각각의 자율주행로봇은 모두 디지털 트윈에서 시뮬레이션한 6개의 센서로 시각 정보를 처리한다. 동시에 비전 AI용 엔비디아 메트로폴리스 플랫폼은 전체 창고에서 작업자 활동에 대한 단일 중앙집중식 지도를 생성해 천장에 장착된 100개의 시뮬레이션 카메라 스트림과 멀티 카메라 추적을 융합한다. 이 중앙집중식 점유 지도(occupancy map)는 복잡한 라우팅 문제를 해결하기 위해 엔비디아 cuOpt 엔진이 계산한 자율주행로봇의 최적 경로를 알려준다. AI 기반 최고의 최적화 마이크로서비스인 cuOpt는 GPU 가속 진화 알고리즘을 사용해 여러 제약 조건이 있는 복잡한 라우팅 문제를 해결한다. 이 모든 과정은 실시간으로 이루어지며, 아이작 미션 컨트롤(Isaac Mission Control) 은 cuOpt의 지도 데이터와 경로 그래프로 모든 자율주행로봇을 조정해 명령을 전송하고 실행하게 한다. 산업 디지털화를 위한 AI 훈련장 AI 에이전트는 공장에서 다수의 로봇을 관리하거나 공급망 유통 센터에서 인간과 로봇의 협업을 위해 간소화된 구성을 파악하는 등 대규모 산업 환경을 지원한다. 이러한 복잡한 에이전트를 구축하려면 개발자는 AI 평가, 시뮬레이션과 훈련을 위해 물리적으로 정확하게 구현된 AI 훈련장과 같은 디지털 트윈 환경이 필요하다. AI 에이전트와 자율주행로봇은 소프트웨어 인 더 루프(software-in-the-loop, SIL) AI 테스트를 통해 예측하기 힘든 실제 환경에 적응할 수 있다. 위의 데모에서는 자율주행로봇이 계획한 경로 중간에 사고가 발생해 경로가 차단되고 로봇은 화물 운반대를 픽업하지 못한다. 그러면 엔비디아 메트로폴리스는 점유 그리드(occupancy grid)를 업데이트해 모든 사람, 로봇, 물체가 한 눈에 보이도록 매핑한다. 그 다음, 자율주행로봇은 cuOpt가 계획한 최적 경로에 따라 대응해 가동 중단 시간을 최소화한다. 메트로폴리스 비전 파운데이션 모델이 엔비디아 비전 인사이트 에이전트(Visual Insight Agent, VIA) 프레임워크를 구동함으로써, AI 에이전트는 "공장의 3번 통로에서 어떤 상황이 발생했습니까?"와 같은 운영 팀의 질문에 "오후 3시 30분에 선반에서 상자가 떨어져 통로를 막았습니다"와 같이 바로 통찰력 있는 답변을 제공할 수 있다. 개발자는 비전 인사이트 에이전트 프레임워크를 통해 엣지와 클라우드 비전에 배포된 언어 모델을 사용, 대량의 실시간 혹은 보관된 영상과 이미지를 처리할 수 있는 AI 에이전트를 구축할 수 있다. 이 차세대 비전 AI 에이전트는 자연어를 사용하는 영상에서 요약, 검색, 그리고 실행가능한 인사이트를 추출함으로써 거의 모든 산업에 도움이 될 수 있을 것으로 기대된다. 이러한 모든 AI 기능은 지속적인 시뮬레이션 기반 훈련을 통해 향상되며, 모듈식 엔비디아 NIM 추론 마이크로서비스로 배포된다.      

자율주행 시뮬레이션, Virtual Test Drive(VTD)   주요 CAE 소프트웨어 소개   ■ 개발 : Forming Technologies, www.forming.com ■ 자료 제공 : 한국엠에스씨소프트웨어/031-719-4466/www.mscsoftware.com/kr 1. VTD : 가상환경 시뮬레이션을 위한 Complete Tool-chain  VTD(Virtual Test Drive)는 ADAS 및 자율 주행 차량의 개발 및 검증을 위한 가상 환경 시뮬레이션 플랫폼으로 도로 네트워크, 시나리오, 차량 동역학, 교통 및 음향 시뮬레이션, 센서 시뮬레이션 등을 위한 모듈화된 시스템으로 실제 환경과 동일한 가상환경을 생성한다. 이런 가상환경에서 생성된 자율주행차량의 데이터는 MiL, SiL, HiL, DiL, ViL 애플리케이션에서 사용할 수 있다. VTD는 20년 동안, 광업, 농업 및 운송 애플리케이션을 통해 전 세계 자동차, 항공우주 및 철도 산업의 수많은 설비에서 서비스되고 있다. 최근 VTD는 MS Azure, AWS와 같은 클라우드 시스템에서 수백만개의 시나리오를 생성하고 Edge Case 시나리오를 검증할 수 있는 서비스를 시작했다. 수백만 개의 시나리오를 분석하여 수십억 개의 가상 테스트가 실시간 시뮬레이션보다 훨씬 더 빠르게 수행되도록 병렬 프로세스를 지원하여 ADAS 및 AV 시스템에 대한 연산 속도를 높인다. VTD는 OpenDRIVE, OpenCRG 및 OpenSCENARIO의 Global Standards를 준수한다.  OpenDRIVE는 도로네트워크, 도로시설물, 노면, 표지판등 가상환경 도로 구성을 위한 Global stand-ards이다.  OpenCRG는 도로 표면의 굴곡, 거칠기등 상세한 표현을 위한 규격으로, 도로 표면의 생성, 관리, 평가를 위한 기준 및 툴이다. OpenSCENARIO는 시뮬레이션 도로 네트워크상에서 움직이는 모든 동적 요인을 정의하고 구성하기 위한 Global Standards이다.  VTD의 ROD(Road Designer)는 가상의 도로 네트워크를 생성하기 위한 3D 편집 도구로 OpenDRIVE, OpenCRG 등의 편집이 가능한 도구이다. 사용자의 편의성을 위해 다양한 국가의 3D Modeling 및 도로 형태의 데이터를 라이브러리로 구성, 데이터베이스화 하여 제공한다.   2. 주요 기능 (1) Sensors ■ Simplified perfect sensors는 감지된 오브젝트 정보 및 포인트 클라우드(Point Clouds) 같은 센서의 원시데이터를 고속(Real-time)으로 출력 ■ 노면상 Road Mark를 검지할 수 있는 수준의 고해상도 감지 기능 ■ Sensor Model 커스터마이징을 위한 SDK 제공 (2) Traffic & Pedestrian ■ 사전 정의된 이벤트 혹은 시나리오 경로를 따라 자동차 및 보행자의 행동범위 정의 ■ 다가오는 차량을 주시하는 등의 차량-보행자 상호작용 가능 ■ 도로네트워크 상 수많은 자동차 및 보행자의 개별 움직임 기반 시나리오 구성  ■ 중장비, 보행자, 자전거, 세그웨이, 동물 등 다양한 객체 생성 지원 ■ SCP 명령을 통한 실시간 객체 위치, 행동, 제스처 변경   (3) Scenarios ■ 시나리오 내 200대 이상의 차량, 보행자 생성 및 동시 주행 가능 ■ 실제 차량 및 보행자 궤적을 적용한 시나리오 구성, 혹은 사용자 연구목적에 따른 이상적인 이동 궤적 생성 및 적용   (4) Vehicle Model ■ 고정밀도 기반의 차량 모델 생성(스쿠터, 자전거, 세그웨이, 기차, UAM등 적용) ■ 실사정보를 기반으로 측정 및 모델 메시 정보를 적용한 차량 모델 제작   (5) Weather ■ 다양한 기상현상 표현 및 감지(time-of-day, clouds, visibility, Rain, Snow)   (6) Massive Scaling ■ Edge Case Scenario를 효율적으로 추출하기 위한 수천개의 시나리오 병렬 Computing 기능 지원  ■ PROSTEP OpenPDM 기술을 활용한 PDM 통합 ■ 모든 트랜잭션 데이터 자동 저장 지원 ■ 웹브라우저 기반의 빠른 개발 및 배포 기능 지원  ■ 다중 접속 기술지원 및 실험 환경 구성 가능   3. 적용 효과 ■ Native support for OpenDRIVE, OpenCRG, OpenSCENARIO ■ 영상, 다이나믹, 센서 등 모듈화된 운영 방식(내부 네트워크망을 통한 통합) ■ MiL, SiL, DiL, ViL, HiL 등 다양한 실험구성과 연동 및 통합 가능 ■ 고정밀 센서 모델 제공(object-list 기반 센서 및 physics-based 기반 센서); 사용자화 가능한 SDK 제공 ■ 물질 및 물리현상이 적용된 고해상도 이미지 생성(PBR 기술적용) : 사용자화 가능한 SDK 제공 ■ 다양한 3D Model 라이브러리 및 국가별 표지판, 신호등 데이터 베이스 제공 ■ 매우 복잡한 교통상환 시나리오 구성 가능(3rd party Traffic Simulation Tool 통합 가능 : Vissim, SUMO) ■ 손쉬운 데이터 모니터링 기능 지원, 실시간 SCP 명령을 통한 시뮬레이션 조건 변경 기능 지원 ■ 단일 Workstation에서 풀 스케일 HPC 환경까지 운영 가능(사용자 목적에 따라 변경 가능) ■ 정확한 차량 동역학 기반의 센서모델링을 위해 Adams Real-Time과 같은 Hexagon AB solutions 내 솔루션도구와 통합 ■ Hexagon’s LeicaGeosystems의 솔루션을 통한 정밀지리정보 취득 및 VTD 적용(OpenDRIVE format)      좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

멀티피직스 해석 소프트웨어, Simulation X   주요 CAE 소프트웨어 소개   ■ 개발 : ESI, www.esi-group.com ■ 자료 제공 : 한국이에스아이, 02-3660-4500, www.esi-group.com ESI의 Simulation X(시뮬레이션 엑스)는 복잡한 동적 시스템의 모델링, 시뮬레이션 및 분석을 위한 Multi physics 시뮬레이션 분야에서 잘 알려진 소프트웨어이며, Modelica 언어를 기반으로 한 상용 솔루션으로 다양한 분야에서 활용되고 있다.  개발자는 Modelica 라이브러리부터 상용 라이브러리까지 방대한 라이브러리를 사용하여 개발 모델을 쉽게 구성할 수 있다. 또한 막강한 사용자 에디터 툴(Type designer)을 제공하여 사용자가 기존의 라이브러리를 확장하거나 새로운 라이브러리를 쉽게 제작 및 배포할 수 있다.  FMU(Functional Mock-up Unit)/FMI(Functional Mock-up Interface)를 지원하고 다른 프로그램과 연동하여 계산을 수행할 수 있으며, Multiphysics에 최적화되어 있어 Multi-body system과 Fluid dynamics, Control logic 등 서로 다른 물리 모델을 하나의 모델로 구현할 수 있다.  실제 물리 기반의 통합 라이브러리는 점점 더 복잡해지고 있는 산업 분야에서 확실한 기준으로 Simulation X를 확립하는 데 도움이 되었다. 현재까지 약 27개국 700명 이상의 고객들이 다양한 산업 분야에서 Simulation X를 사용하고 있다. 1. 제품의 주요 기능 및 특징 (1) Easy modeling and Fast calculation 형상 모델링이 필요 없고, 물리 기반 모델링으로 모델 구성이 쉬우며, 시스템 기반의 수학 모델 사용으로 계산 시간이 빠르다. (2) Modular system setup 방대한 시스템 라이브러리를 제공하고, 사용자 라이브러리 툴(Type designer)을 지원한다. (3) Easy coupling FEM, MATLAB, Simulink와 연계 시뮬레이션이 가능하며, FMU/FMI를 지원한다. (4) Model library Modelica 기반의 다양한 라이브러리를 제공하여 모델을 쉽고 빠르게 구성할 수 있다. (5) Optimization 주요 인자의 기여도 분석을 통한 제품 성능 개선을 개발 초기 단계부터 빠르게 검토할 수 있다. (6) Real-time simulation 실시간 해석으로 MiL(Model-in-the-Loop)/SiL(Software-in-the-Loop)/HiL(Hardware-in-the-Loop) 구현이 가능하다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

다물체 동역학 해석 소프트웨어, Simpack   주요 CAE 소프트웨어 소개    ■ 개발 : Dassault Systèmes, www.3ds.com ■ 자료 제공 : 다쏘시스템코리아, 02-3270-7800, www.3ds.com/ko / 브이이엔지, 031-718-8501, www.veng.co.kr / 브이피케이, 02-6230-7200, plm.vpkcorp.com 다물체 동역학 해석(MBS : Multi-Body Simulation)이란 자동차, 철도, 풍력 터빈 등 기계 시스템의 거동 및 하중을 구현, 예측 및 최적화하는데 사용하는 해석을 말한다. 기계 시스템을 이루는 부품은 단품일 때와 다른 거동과 하중을 유발하기 때문에, 시스템의 전체를 이해하기 위해 시스템 전체를 해석해야 할 필요가 있다.   Simpack(심팩)은 상대좌표계 적용 및 멀티코어 병렬 연산 수행으로 빠르고 정확하고 강인한 솔버를 실현하였다. 상대좌표계를 채용하여 바로 인접한 보디(Body)와의 연결 관계에 대해 필요한 자유도만을 부여하는 방식으로, 전체 운동방정식 수가 현저히 줄어드는 장점을 갖고 있다. 이와 함께 연산속도 및 효율 극대화, 그리고 안정성을 실현하였다. 또한 실시간(Real-time) 시뮬레이션 능력을 갖추고 있어, Simpack의 빠르고 강인한 솔버를 이용하여 실시간 시뮬레이션이 가능하다. Simpack은 고충실도의 상세 모델을 그대로 사용하여 실시간 구현을 위한 별도 모델 단순화가 필요 없다. 따라서 유연체를 포함한 고주파 및 고자유도 모델도 사용 가능하며, 비선형 또는 주파수에 의존하는 부싱이나 마운트까지도 실시간 시뮬레이션에 그대로 사용할 수 있다.   Simpack은 기본적으로 ASCII 기반으로서 현재 통용되고 있는 많은 상용 소프트웨어들과 호환이 가능하다. Abaqus, ANSYS, fe-safe 등과 같은 FEA∙내구 관련 소프트웨어부터 CATIA, SOLIDWORKS, Creo 등과 같은 CAD 프로그램 및 Isight 등과 같은 최적화 관련 소프트웨어에 이르기까지 사용자들에게 다양하고 뛰어난 호환성을 제공하고 있다.       좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

유동 해석 소프트웨어, Simcenter FLOEFD   주요 CAE 소프트웨어 소개    ■ 개발 : 지멘스 디지털 인더스트리 소프트웨어, sw.siemens.com ■ 자료 제공 : 플로우마스터코리아, 02-2093-2689, www.flowsystem.co.kr / 델타이에스, 070-8255-6001, www.deltaes.co.kr   지멘스 디지털 인더스트리 소프트웨어의 Simcenter FLOEFD는 Siemens NX, Solid Edge, CATIA V5, Creo, Solidworks와 같은 다양한 MCAD 소프트웨어 내에서 쉽고 빠르며, 강력하고 정확한 유체 흐름 및 열 전달 해석을 수행하기 위한 CFD 시뮬레이션 소프트웨어이다. Simcenter FLOEFD는 PLM 설계 환경에 내장되어 있으며, 고유한 자동화 기술을 통해 엔지니어가 전체 설계물의 결과를 CFD를 이용하여 Front Loading하고, 전체 프로세스에서 설계변수에 대한 연구를 수행할 수 있도록 지원한다. ‘Front Loading’은 엔지니어가 추세를 조사하고 덜 긍정적인 요소를 제거하는데 도움이 될 뿐만 아니라 전체 시뮬레이션 시간을 최대 75%까지 줄일 수 있는 설계 프로세스 초기 단계에 CFD 해석 프로세스를 수행하는 것을 의미한다. 1. 주요 특징 ■ Simcenter FLOEFD는 사용이 간편하다. 사용하는 CAD 환경 내에 설계 및 분석을 위한 CFD 소프트웨어를 플러그 앤 플레이로 만드는 설계 중심 시뮬레이션 도구이다. ■ Simcenter FLOEFD는 빠르다. 지능형 기술 및 자동화를 통해 복잡한 형상에 대한 전체 시뮬레이션 시간을 최대 75%까지 줄여 해석 영역을 빠르게 탐지하고, Digital Twin의 검증을 가능하게 한다. ■ Simcenter FLOEFD는 정확하다. 수천 명의 엔지니어가 Simcenter FLOEFD를 사용하여 자동차, 항공우주, 제조 및 전자를 비롯한 다양한 산업 분야에서 실제 엔지니어링 문제를 해결하고 있다. ■ Simcenter FLOEFD는 CFD의 대중화에 앞장서 왔다. FLOEFD는 SolidWorks Flow Simulation의 핵심 기술이다.(Simcenter FLOEFD는 SolidWorks Flow Simulation과 비교하여 몇 가지 추가 기능을 제공한다.)  2. 주요 기능 ■ External( ■ Compressible Gas, Liquid & Incompressible Fluid ■ Free, Forced and Mixed Convection ■ Boundary Layers, Including Wall Roughness Effects / Laminar & Turbulent Flows ■ Heat Transfer in Fluid, Solid & Porous Media ■ Isotropic, Unidirectional, Biaxial / Axisymmetrical and Orthotropic Thermal Conductivities ■ Non-Newtonian Liquids / Real Gases / Two-Phase Flow(Fluid & Particles) / Relative Humidity ■ Moving / Rotating Surfaces and/or Parts ■ Cavitation in Incompressible Water Flows / Steam Modeling with Condensation ■ 2 Resistor Components / Heat Pipes / Electrical Conditions / PCB Smartpart ■ Thermal Radiation Model(Absorption in semi transparent solids) ■ HVAC Comfort Parameters ■ Pre-Mixed / Non-Premixed Steady State Gaseous Combustion ■ High Mach Number Flow(M5-M30) ■ Advanced LED Modeling(2-Resistor and T3ster derived Compact Model) ■ ODB++ detailed PCB import(Explicit traces) / DELPHI multi-resistor network IC model ■ BCI-ROM(Reduced Order Modelling) ■ Electromagnetics(Low-Frequency) ■ Linear Stress and Modal Frequency Analysis 3. 도입 효과 Simcenter FLOEFD는 수치해석에 대한 전문적 지식을 요구하지 않아, CFD를 전문적으로 다루지 않는 조직에서도 충분히 수행할 수 있는 환경을 제공한다. 5. 주요 고객 Simcenter FLOEFD의 주요 고객으로는 현대/기아자동차, 한국항공우주산업, 한화에어로스페이스, 포스코 건설 및 전세계적으로 수백 곳의 고객이 있다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

최적화 소프트웨어, ODYSSEE   주요 CAE 소프트웨어 소개   ■ 개발 : CADLM, www.cadlm.org ■ 자료 제공 : 한국엠에스씨소프트웨어, 031-719-4466, www.mscsoftware.com/kr  한국시뮬레이션기술, 031-903-2061, www.kostech.co.kr   ODYSSEE(Optimal Decision Support System for Engineering and Expertise)는 기존 실험 또는 시뮬레이션 결과를 사용하여 기존 실험계획법을 기반으로 새로운 반응을 실시간으로 예측한다.  Machine learning, Optimization and robustness, Reduced Order Modelling(ROM) 엔진을 사용하는 Lunar, Nova, Quasar의 3가지 모듈로 구성되어 있다. ODYSSEE 엔진을 사용한 학습을 통하여 매우 정확한 근사 모델을 제공하여 계산에 소모되는 많은 비용에 대한 문제를 해결한다.    1. 주요 기능 ■ 과거 경험 또는 시뮬레이션을 사용하여 기존 실험계획법(DOE)을 기반으로 새로운 반응을 실시간으로 예측 ■ DOE를 생성 또는 개선 가능 ■ 반복적인 시뮬레이션(많은 소요시간)을 ROM로 대체 가능 ■ 모든 결과에 솔루션, 풀 타임 히스토리를 제공하고 기존 FE 애니메이션을 기반으로 최적화 예측 모델의 애니메이션 재구성     ODYSSEE는 사용자가 다음과 같은 목적에 도달하도록 돕는다. ■ 설계 시간 단축에 기여하는 실시간 시뮬레이션 및 최적화 ■ 분석 시간과 계산 노력의 비용과 지연을 줄인다. ■ 지구 보호가 최우선인 시대에는 시뮬레이션 수행 및 데이터 저장 지연 측면에서 시뮬레이션 횟수를 최소화하고 효율적으로 활용하는 것이 중요하다.  ODYSSEE를 사용하면 고객은 몇 가지 시뮬레이션의 DOE를 사용하여 실시간(솔버 독립적)에 기반한 모든 시뮬레이션을 예측할 수 있다. (1) Computing ODYSSEE는 계산에 사용되는 CPU의 유효 개수를 줄이고, 소형 노트북에서도 실행할 수 있는 실시간 등가물로 모델을 대체함으로써 이러한 문제를 해결할 수 있다. (2) Optimization 기존의 방법인 선정된 변수의 모든 조합을 계산하는 대신, Machine learning을 사용하게 되면 많은 계산이 필요하지 않다. ODYSSEE를 통한 총 계산의 수는 1~1000 또는 그 이상일 수 있지만, ODYSSEE의 강력한 최적화 방법은 수천 번의 계산을 몇 초 또는 몇 분 만에 수행할 수 있다. (3) Time ODYSSEE 기술은 real-time computing을 기반으로 한다. 따라서 매개변수 연구와 최적화를 위한 계산 시간이 거의 필요하지 않으며, 문제 해결의 가장 중요한 부분을 찾기 위한 데이터의 분석을 수행하게 된다. 분석을 통해 실시간으로 최적화 결과를 확인할 수 있으며, 변수 영향도와 최적화 결과를 ODYSSEE를 통해 생성하여 수행 결과를 간단히 출력해볼 수 있다.      좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

오라클은 마이크로소프트 애저(Azure)의 미국 동부 리전에서 첫 번째 ‘오라클 데이터베이스앳애저(Oracle Database@Azure)’ 서비스를 상용화했다고 밝혔다. 오라클은 애저 데이터센터의 오라클 클라우드 인프라스트럭처(OCI)에서 실행될 오라클 데이터베이스 서비스 중 첫 번째로, 오라클 엑사데이터 데이터베이스 서비스(Oracle Exadata Database Service)의 운영과 관리를 담당할 예정이다.  오라클 엑사데이터 데이터베이스 서비스는 미션 크리티컬 워크로드의 클라우드 마이그레이션 과정을 간소화한다. 새로운 오라클 데이터베이스앳애저 서비스는 오라클 리얼 애플리케이션 클러스터(Real Application Clusters)와 내장된 보안 기능 등 오라클 데이터베이스의 모든 성능, 확장성, 워크로드 가용성 이점을 제공하는 동시에 생성형 AI 애플리케이션용 애저 오픈AI 서비스(Azure OpenAI Service)와 같은 애저 서비스를 제공한다. 오라클 데이터베이스앳애저는 2024년에는 독일 중부와 호주 동부, 프랑스 중부, 캐나다 중부, 브라질 남부, 일본 동부, 영국 남부, 미국 중부, 미국 중남부 등 더 많은 리전에서 상용화될 예정이다. 각 배포는 두 개의 애저 가용성 영역(Azure availability zones)에서 실행될 계획으로, 고객은 해당 영역 전반에서 고가용성 구성이 가능해진다. 이를 통해 고객은 다양한 오라클 데이터베이스의 클라우드 이전 옵션을 활용할 수 있고, OCI와 애저가 검증 및 지원하는 아키텍처 기반에서 오라클 데이터베이스의 성능, 확장성, 가용성을 애저 내 단일 운영 환경이 제공하는 단순성, 보안성, 저지연성과 결합할 수 있다. 또한 ▲간소화된 클라우드 마이그레이션을 통한 손쉬운 IT 환경 현대화 ▲오라클 제로 다운타임 마이그레이션(Oracle Zero Downtime Migration) 등 검증된 마이그레이션 도구와의 호환성 ▲오라클 데이터베이스 및 오라클 엑사데이터 온프레미스 배포와의 일관성 유지로 재구축 필요성 감소 ▲애저 오픈AI 서비스 등 OCI와 애저 기술을 사용한 신규 클라우드 네이티브 애플리케이션 구축 역량 ▲오라클과 마이크로소프트의 통합 고객 지원 ▲애저 마켓플레이스를 통한 간소화된 구매 방식 및 오라클과 마이크로소프트의 라이선스 및 약정/할인 프로그램 활용 권한 등의 이점을 얻을 수 있다.     오라클의 카란 바타(Karan Batta) OCI 수석 부사장은 “포춘 100대 기업의 98%가 오라클 데이터베이스를 운영 중이며, 모든 산업 분야의 주요 기업들이 오라클 엑사데이터와 RAC 기술을 사용해 온프레미스에서 미션 크리티컬 애플리케이션을 구축하고 있다. 그러나 해당 워크로드의 대부분은 아직 클라우드로 이전되지 않은 상”라면서, “오라클과 마이크로소프트는 고객이 데이터센터 운영 종료를 가속화하고 온프레미스 오라클 자산의 클라우드를 마이그레이션하는 과정을 간소화할 수 있도록 지원하고 있다. 오라클은 마이크로소프트와 함께 동급 최고의 기술을 바탕으로 멀티클라우드 아키텍처를 도입하여 고객이 직면한 어려운 과제를 해결하고 있다”고 밝혔다. 마이크로소프트의 에린 채플(Erin Chapple) 애저 코어 제품 및 디자인 부문 부사장은 “오라클 데이터베이스앳애저는 오라클 워크로드를 애저로 마이그레이션하는 과정을 간소화해준다. 덕분에 전 산업 분야의 고객이 오라클 최고의 기술과 애저 AI를 비롯한 광범위한 마이크로소프트 클라우드 서비스, 그리고 애플리케이션 플랫폼 및 개발자 서비스를 결합하여 비즈니스 혁신에 박차를 가할 수 있게 됐다”고 전했다.

유니티 코리아가 우수 콘텐츠 선발 공모전인 ‘메이드 위드 유니티 코리아 어워드 2023(Made with Unity Korea Award 2023, 이하 MWU 코리아 어워드 2023)’ 시상식을 개최했다. MWU 코리아 어워드는 국내 유니티 크리에이터 발굴 및 우수한 작품을 지원하기 위해 기획된 행사로 지난 2017년부터 이어오고 있다. 최근에는 게임 분야를 넘어 산업계 다양한 분야까지 공모 영역을 확장했다. MWU 코리아 어워드 2023의 최종 수상작은 온라인 대중 투표와 유니티 내부 평가 위원단의 심사를 통해 결정됐으며, 게임과 인더스트리 부문 각 6개 분야, 특별상 2개 분야, 최우수작 2개 분야 총 16개 부문에 걸쳐 상이 수여됐다. 올해 최우수작(Best of 2023)은 산업 분야에서는 녹원정보기술의 ‘베모스(BEMOS) : 건물 에너지 관리 및 최적화를 위한 디지털 트윈’, 게임 분야에서는 스튜디오킹덤의 ‘브릭시티(BRIXITY)’가 선정됐다. 최우수작 수상 팀에게는 상금 500만 원이 지급되며, 유니티 전문가의 컨설팅 서비스와 다양한 혜택이 주어진다. 산업 분야 최우수작으로 선정된 디지털 트윈 플랫폼 베모스는 누구나 쉽고 효율적으로 에너지 사용과 관리를 할 수 있다는 점에서 높은 평가를 받았다. 녹원정보기술의 홍성범 상무는 “탄소중립, 4차 산업혁명 기술 등을 배경으로 한 새로운 개념의 차세대 건물 에너지 관리 시스템을 개발해 고도화된 디지털 트윈에 반영했다”면서, “직관적인 화면을 제공해 누구나 쉽게 실시간으로 데이터를 조회하고 사용자가 원하는 조건에 대한 시뮬레이션 결과를 확인할 수 있기 때문에 활용도가 높을 것”이라고 소개했다. 산업 분야에서는 독특한 아이디어를 통해 높은 실용성을 확보한 작품들이 눈길을 끌었다. ▲베스트 학생 부문은 커빙 포인트의 ‘튜닝(Tuning) : 거대 악기, 오케스트라의 세계로’ ▲베스트 미디어 & 엔터테인먼트 부문은 안드로메다스튜디오의 ‘타이니즈’ ▲베스트 시뮬레이션 부문은 연세대학교 일반대학원 건축공학과의 ‘Real:(un)ity’ ▲베스트 시각화 부문은 아이엠파인의 ‘다이브 아트(Dive Art)’ ▲베스트 이머시브 부문은 유비씨 XR팀의 ‘협동 로봇 3D 디지털 트윈 및 AR 관제’ ▲베스트 기대작은 주식회사 아키핀의 ‘매일 만나는 원어민 친구들 헬로루디’ ▲특별상인 베스트 소셜 임팩트 부문은 하이퍼클라우드의 ‘AR Earth Savers’가 수상했다.     한편, 올해 게임 분야에서는 유니티의 다채로운 기술을 활용해 과감한 시도를 펼친 작품들이 돋보였다는 것이 유니티의 설명이다. 게임 분야 최우수작을 수상한 스튜디오킹덤의 김지인 PD는 “배치와 꾸미기로 제한되었던 기존의 시티 빌딩 경험과 달리 100%에 가까운 자유도를 유저들에게 선사하여 창작의 재미를 주고자 하였으며, 더 나아가 유저들이 직접 놀거리를 만드는 멀티플레이 모드를 제공하며 함께하는 재미를 강화하고자 했다”고 설명했다. 올해 MWU 코리아 어워드 심사위원을 맡은 유니티 코리아의 김범주 애드보커시 리더는 “MWU 코리아 어워드는 매년 역대 최다 출품작 수를 갱신하며 국내 대표 개발자 공모전으로 자리매김했다”면서, “완성도 높은 작품들이 다수 출품된 만큼 심사에도 심혈을 기울였으며, 각 부문별 전문성과 창의성을 기준으로 우수작을 선정했다. 앞으로도 유니티는 크리에이터들의 창작 환경 개선을 위해 최선을 다할 것”이라고 말했다.