스트라드비젼의 AWS 클라우드 기반 피지컬 AI End-to-End 파이프라인 가속화 사례

문제 상황

• 자율주행 AI 학습에 필요한 방대한 도로 데이터 확보의 어려움
• 특정 국가·환경에만 존재하는 희귀 장면과 위험한 상황의 직접 수집 한계

구조와 흐름

• 데이터 수집·관리, 합성 데이터 생성, 딥러닝 학습, 시뮬레이션 검증, 성능 평가로 이어지는 데이터 플라이휠 구조
• 포항 데이터센터와 AWS 클라우드를 결합한 하이브리드 아키텍처
• AWS Direct Connect로 대용량 데이터 전송과 GPU 자원 탄력적 활용

선택 이유

• 희소 데이터와 한계 데이터를 빠르게 보강하기 위한 합성 데이터·시뮬레이션 활용
• 작업 성격에 따라 G6e, P5en, G6, L4 등 GPU 인스턴스를 분리해 성능과 비용을 최적화

성능/운영 포인트

• 합성 데이터 생성과 시뮬레이션으로 트레일러·표지판 인식 성능 개선
• 32개국 1642종 표지판 데이터를 2개월 만에 확보
• 데이터 처리 비용 30% 이상 절감, 학습 사이클 2배 가속, 실험 사이클 50% 단축