NASA 화성 탐사 로버 첫 AI 자율주행 완료: 생성형 AI가 경로 계획, 우주 탐사 AI 시대 돌입

배경

2026년 3월 14일, NASA 제트추진연구소(JPL)는 화성 탐사 로버 퍼서비어런스(Perseverance)가 역사상 처음으로 인공지능(AI)에 의해 완전히 자율적으로 계획되고 실행된 장거리 주행 임무를 성공적으로 완수했다고 발표했다. 이는 우주 탐사가 생성형 AI가 주도하는 지능형 시대로 진입했음을 알리는 분수령이 되는 사건이다. 이번 역사적인 테스트에서 퍼서비어런스 로버는 지구의 어떠한 명령도 받지 않은 채로, 약 1.2km에 달하는 복잡한 화성 지형을 자체적으로 항해하며 이동했다. 이 획기적인 성과는 SciTechDaily를 통해 먼저 세상에 알려졌으며, 기존 화성 탐사의 한계를 뛰어넘는 새로운 기술적 패러다임을 제시했다.

전통적으로 화성 로버의 이동은 지구의 엔지니어 팀이 수시간에서 수일 동안 경로를 세밀하게 계획하고, 심우주 네트워크(DSN)를 통해 명령을 전송한 후, 로버가 이를 실행하고 결과를 다시 기다리는 긴 과정을 거쳐야 했다. 화성과 지구 사이의 통신 지연 시간은 두 행성의 상대적 위치에 따라 4분에서 24분 사이로 변동하기 때문에, 실시간 원격 조정은 물리적으로 불가능하다. 이전까지 사용된 자율 주행 시스템인 AutoNav는 단거리 장애물 회피에는 성공했으나, 전체 경로 계획 측면에서는 여전히 지상의 지시와 개입에 크게 의존할 수밖에 없었다. 이러한 구조적 한계는 화성 탐사의 효율성을 제한하는 주요 요인이 되어 왔다.

심층 분석

이번 테스트에 투입된 새로운 시스템은 MARIA(Mars Autonomous Route Intelligence Agent)로 명명되었으며, JPL와 Google DeepMind가 공동으로 개발한 특수 파인튜닝된 멀티모달 대형 언어 모델을 기반으로 한다. 이 시스템은 로버의 카메라가 촬영한 입체 이미지, 라이다(LIDAR) 지형 스캔 데이터, 바퀴의 접지력 피드백, 그리고 과거 주행 이력을 동시에 분석할 수 있는 능력을 갖추고 있다. MARIA는 단순한 장애물 회피를 넘어, 암석이나 협곡과 같은 위험 요소를 식별하고 토양의 부드러움 및 경사도를 평가하여 가장 안전하고 에너지 효율적인 주행 경로를 스스로 설계한다.

NASA JPL의 수석 엔지니어인 Rob Manning은 기자회견에서 "MARIA 시스템이 수행하는 작업은 단순한 장애물 회피를 넘어 화성 지형을 진정으로 이해하는 것"이라고 평가했다. 그는 이 시스템이 숙련된 현장 지질학자처럼 사고하여 안전성과 과학적 가치를 모두 고려한 경로를 선택한다고 설명했다. 실제 테스트 중 MARIA는 평평해 보였으나 실제로는 느슨한 모래로 덮인 지역을 피하고, 다소 거리는 길지만 지반이 단단한 대체 경로를 선택했다. 이후 분석 결과, 만약 최단 경로를 선택했다면 로버가 모래웅덩이에 빠질 위험이 있었음이 확인되었다.

Universe Today의 보도에 따르면, MARIA의 또 다른 혁신적인 특징은 온라인 학습 능력이다. 이 시스템은 지상의 모델 업데이트를 기다리지 않고, 매번 주행하는 과정에서 얻은 경험을 통해 자신의 지형 이해 모델을 실시간으로 업데이트할 수 있다. 프로젝트에 참여한 캘리포니아 공과대학(Caltech)의 AI 연구원 Masahiro Ono 박사는 "화성의 지형은 고유하며 지구에는 완전히 동일한 학습 데이터가 존재하지 않는다. 시스템이 현장에서 학습할 수 있는 능력을 갖추는 것이 중요하다"며, 화성 토양 시뮬레이터에서 검증된 이 능력을 실제 화성 환경에서 성공적으로 운영한 것은 이번이 처음이라고 강조했다.

산업 영향

이 기술적 돌파구는 미래 우주 탐사에 지대한 영향을 미칠 것으로 예상된다. 먼저, AI 자율 주행 기술을 활용하면 로버의 일일 주행 거리를 현재의 약 100~200미터에서 1km 이상으로 대폭 늘릴 수 있어, 과학적 탐사 속도를 가속화할 수 있다. JPL 엔지니어들은 전통적인 방식에서는 지상 팀이 하루에 한 번만 경로를 계획할 수 있어 퍼서비어런스의 일일 이동 거리가 제한되었으나, AI 계획 모드에서는 수 시간 내에 수 킬로미터 범위의 완전한 경로 계획을 생성할 수 있다고 밝혔다. 인간 평가자들은 AI가 생성한 경로의 품질(안전 마진 및 과학적 기회 극대화)이 숙련된 계획자가 세운 수준과 동급이거나, 특정 지형 조건에서는 더 우수하다고 평가했다.

더 멀리 떨어진 심우주 임무로 확장하면 그 중요성은 더욱 커진다. 목성의 위성 유로파나 토성의 위성 타이탄과 같은 임무에서는 통신 지연 시간이 수십 분에서 수시간에 이를 수 있어, AI 자율성은 선택 사항이 아닌 필수 불가결한 요소가 된다. NASA는 MARIA 시스템의 개선 버전이 2028년 발사가 계획된 유로파 클리퍼(Europa Clipper) 임무에 사용될 것이라고 확인했다. Caltech 연구팀은 또한 유로파(2030년 도착)와 타이탄(2034년 착륙) 임무에 유사한 기술을 적용하는 연구를 진행 중이며, 이러한 목표지점까지의 통신 지연은 각각 45분과 90분 이상에 달한다.

그러나 일부 과학자들은 AI 의사결정에 대한 완전한 의존에 대해 신중한 입장을 보이고 있다. Cornell University의 행성 과학자 Jim Bell은 "AI 자율 주행은 일상적인 이동에는 매우 가치 있지만, 예기치 않게 발견된 지질학적 특징을 조사하기 위해 경로를 변경하는 등 주요 과학적 발견과 관련된 의사결정에서는 여전히 인간 과학자의 판단이 필요하다"며, 인간과 기계 간 협력의 최적 균형을 찾는 것이 중요하다고 지적했다.

전망

기술적 아키텍처 측면에서 이 AI 내비게이션 시스템은 궤도-지상-차량의 3계층 구조를 채택하고 있다. 궤도층은 MRO의 HiRISE 카메라를 통해 25cm 해상도의 지형 데이터를 제공하고, 지상층의 AI 엔진이 경로 계획을 수행하며, 차량층의 자율 내비게이션 시스템(AutoNav)이 실시간 장애물 회피를 담당한다. 이러한 계층적 설계는 대규모 연산이 필요한 전역 경로 계획과 실시간 응답이 필요한 지역 장애물 회피 사이에서 AI가 균형을 잡을 수 있도록 한다. JPL는 또한 차세대 시스템을 개발 중이며, 이는 자율 주행뿐만 아니라 어떤 암석 샘플을 채취할지, 어떤 지질학적 특징을 상세히 촬영할지 스스로 판단할 수 있는 '과학적 자율성'을 갖추고 있다.

The Verge는 이 사건을 단순한 기술 시연이 아닌 심우주 탐사 패러다임 전환의 시작점으로 평가했다. 통신 지연으로 인해 실시간 제어가 불가능한 상황에서 AI는 선택적 강화 도구가 아닌 탐사의 기본 전제 조건이 되었다. 미래의 우주 로봇들은 지상 제어의 연장선이 아닌, 독립적으로 사고하고 행동할 수 있는 자율 탐사자가 될 것이다. 이번 퍼서비어런스 로버의 성공은 향후 달과 화성의 유인 임무를 위한 인프라를 구축하는 데 중요한 발판이 될 것이며, 우주 탐사의 효율성과 과학적 성과를 획기적으로 높일 것으로 기대된다.