생성형 AI(Generative AI)가 조종대를 잡다: NASA의 Perseverance 로버가 화성에서 역사적인 자율 주행을 완료하다
인공지능과 우주 탐사(Space Exploration) 양쪽 모두에 있어 기념비적인 진전으로, NASA의 Perseverance 로버가 완전히 생성형 AI 모델에 의해 계획된 경로만으로 화성에서 최초 주행을 성공적으로 완료했습니다. 이 성과는 전통적인 행성 탐사 항법에서의 중요한 전환을 의미하며, 자율 시스템이 태양계의 미지의 영역을 탐사하는 데 주도적인 역할을 할 수 있는 새로운 시대를 알립니다.
AI 연구 기업 Anthropic와 협력하여 NASA의 제트추진연구소(JPL)는 위험한 화성 지형을 탐색하기 위해 비전-언어 모델(vision-language model)을 배치했습니다. 이 테스트는 2025년 말에 수행되었고 2026년 초 NASA에 의해 확인되었으며, 고급 AI 에이전트를 임무 핵심 우주 운영에 통합함으로써 로봇이 수백만 마일의 빈 공간을 가로질러 스스로 "생각"하고 경로를 계획할 수 있게 되는 엄청난 잠재력을 보여줍니다.
자율 항법으로의 전환
거의 30년 동안 화성 로버들은 지구의 인간 "운전자"에 크게 의존해 왔습니다. 두 행성 간 평균 거리가 1억 4천만 마일(2억 2천5백만 킬로미터)이기 때문에 실시간 제어—즉 "조이스틱" 방식의 조작—는 불가능합니다. 신호가 이동하는 데 수 분이 걸리므로, 지구의 조작자가 위험을 보기 전에 로버가 낭떠러지로 주행할 수 있습니다.
전통적으로 인간 계획자들은 지형 이미지를 면밀히 분석하고, 위험 요소를 식별하며, 웨이포인트를 수동으로 설정했습니다. 이러한 웨이포인트는 보통 안전을 위해 100미터(330피트) 이내 간격으로 배치됩니다. 이는 효과적이지만 노동 집약적이며 로버가 화성 표면을 횡단하는 속도를 제한합니다.
최근의 데모는 **생성형 AI**를 활용하여 이 패러다임을 바꿉니다. 여정의 각 구간마다 인간의 지시를 기다리는 대신, Perseverance는 고해상도 궤도 영상과 디지털 표고지도를 분석할 수 있는 정교한 AI 모델을 활용했습니다. AI는 암반, 노두, 위험한 바위더미 지대와 같은 지질학적 특징을 식별하고 로버가 따를 연속 경로를 자율적으로 생성했습니다.
AI 파일럿의 작동 원리
이 시스템은 Anthropic와의 파트너십으로 개발된 비전-언어 모델을 활용했으며, 해당 모델은 Claude AI 아키텍처를 기반으로 했습니다. 이 모델은 NASA의 Mars Reconnaissance Orbiter에 탑재된 HiRISE(High Resolution Imaging Science Experiment) 카메라의 데이터를 처리했습니다.
프로세스는 여러 중요한 단계를 포함했습니다:
- 데이터 수집(Data Ingestion): AI는 궤도 이미지와 지형 경사 데이터를 분석하여 지형을 이해했습니다.
- 특징 인식(Feature Recognition): 모래 언덕이나 날카로운 바위와 같은 위험 요소와 안전 구역을 식별했습니다.
- 경로 생성(Path Generation): 모델은 특정 웨이포인트를 포함한 연속 경로를 계산하여 지면에서 로버의 "비행 계획"을 사실상 작성했습니다.
수십억 달러 규모의 하드웨어 안전을 보장하기 위해 AI의 지시가 맹목적으로 전송되지는 않았습니다. JPL의 엔지니어들은 생성된 주행 명령을 Perseverance의 가상 복제본인 디지털 트윈(digital twin)을 통해 실행했습니다. 이 시뮬레이션은 AI 경로가 로버의 비행 소프트웨어와 물리적 성능과 호환되는지 확인하기 위해 50만 개가 넘는 텔레메트리 변수를 검증했습니다.
비교 분석: 인간 대 AI 계획
| Feature | Traditional Human Planning | Generative AI Planning |
|---|---|---|
| Decision Maker | JPL의 인간 로버 계획자 | 비전-언어 AI 모델 |
| Data Source | 지형 이미지의 시각적 검사 | 고해상도 궤도 데이터 및 고도 모델 |
| Waypoint Spacing | 일반적으로 < 100 meters | 연속 경로 생성(가변적) |
| Speed/Efficiency | 인간 분석 시간에 의해 제한됨 | 잠재적으로 더 빠른 의사결정 주기 |
| Primary Limitation | 노동 집약적이고 시간 소모적임 | 엄격한 검증 필요(디지털 트윈) |
붉은 행성(화성)에서의 결과
이 기술에 대한 현장 테스트는 2025년 12월의 두 특정 화성 일수, 즉 "솔(sol)"에서 진행되었습니다.
- Drive 1 (Dec. 8): Perseverance는 AI가 전적으로 결정한 웨이포인트를 사용하여 **210 meters (689 feet)**를 주행했습니다.
- Drive 2 (Dec. 10): 로버는 인상적인 **246 meters (807 feet)**를 이동했습니다.
JPL의 우주 로보틱스 전문가이자 Perseverance 엔지니어링 팀의 일원인 Vandi Verma는 이 실험의 성공을 강조했습니다. 그녀는 생성형 AI의 기본 요소들이 지각, 위치추정, 계획이라는 자율 항법의 핵심 기둥을 간소화하는 데 "큰 잠재력"을 보였다고 언급했습니다. AI가 경로 계획의 "무거운 작업"을 맡음으로써 인간 운영자들은 더 높은 수준의 과학적 목표에 집중할 수 있습니다.
심우주 탐사의 미래
이 돌파구는 단순히 지구상의 엔지니어들의 시간을 절약하는 것 이상을 의미합니다. 이것은 우주 탐사의 미래를 위한 중요한 디딤돌입니다. 인류가 우주로 더 멀리 나아갈수록 통신 지연은 더욱 커질 것입니다. 외행성이나 심지(深地) 달의 반대편으로 향하는 임무는 장기간 독립적으로 작동할 수 있는 시스템을 필요로 합니다.
NASA 관리자 Jared Isaacman은 이 시연을 칭찬하며, 지구와의 거리가 멀어짐에 따라 까다로운 지형에 효율적으로 대응하고 운영하기 위해 이러한 자율 기술이 필수적이라고 밝혔습니다.
영구 거주 역량 강화
JPL 탐사 시스템 오피스 매니저 Matt Wallace는 인간 정착을 위한 보다 넓은 의미를 강조했습니다. Wallace는 "지구에 있는 시스템뿐만 아니라 우리 로버, 헬리콥터, 드론 및 기타 표면 요소의 엣지 애플리케이션에도 지능형 시스템이 존재한다고 상상해 보십시오."라고 말했습니다. 그는 이러한 AI 에이전트에 훈련된 "집단적 지혜"가 달에 영구적인 인간 거주 인프라를 구축하고 궁극적으로 유인 화성 임무를 수행하는 데 필요한 결정적 기술이라고 봅니다.
우주 탐사( Space Exploration )가 발전함에 따라, Claude와 같은 강력한 AI 모델을 비행 하드웨어에 통합하는 것은 중대한 순간을 의미합니다. 이는 우리 로봇 탐사자들이 단순한 원격 조종 도구가 아니라 우리와 함께 별을 항해할 수 있는 지능형 파트너가 되는 미래를 시사합니다.
