AI 모델 및 플랫폼
AI는 아르테미스 II 달 탐사 임무의 발사를 어떻게 도왔나
핵심 포인트SIAT는 수십억 개의 센서 관계를 모니터링하여 우주선 고장이 확대되기 전에 포착합니다.
더 보기
- SIAT는 수십억 개의 센서 관계를 모니터링하여 우주선 고장이 확대되기 전에 포착합니다.
- Callisto는 Alexa와 Webex를 통합하여 심우주 네트워크를 통한 핸즈프리 심우주 통신을 제공합니다.
- UNOOSA는 인간의 개입이 불가능할 때 AI 결정을 승인하는 배치 전 안전 사례를 요구합니다.
2026년 4월 1일, 4명의 우주 비행사가 오리온 우주선에 탑승하여 로켓에 실려 역사적인 순간을 만들어 냈다. 지휘관 리드 위즈먼, 파일럿 빅터 글로버, 그리고 임무 전문가 크리스티나 코크와 제러미 핸슨은 아폴로 임무 이후 처음으로 달 주위를 여행한 인간이 되었다.
10일간의 임무는 인간의 독창성과 전문성을 보여주는 업적이었다. 그러나 이것은 또한 우주 탐사에서 AI가 협력자로서의 역할을 보여주었다.
SIAT: 모든 것을 감시하는 AI
오리온 우주선의 내부 지능의 중심에는 시스템 불변 분석 기술(SIAT)이라는 시스템이 있다. 이는 NEC Corp.에서 개발하여 록히드 마틴 (LMT ) 의 우주선 시스템에 통합한 것이다. SIAT는 분석 엔진으로서 센서 데이터를 지속적으로 모니터링하여 복잡한 시스템의 정상적인 동작을 학습하고 문제가 발생하기 전에 이상을 감지한다.
평가 과정에서 SIAT는 수많은 시스템 변수와 센서 간 수십억 개의 관계를 모델링하였다. 현대의 우주선 시스템은 대량의 텔레메트리와 테스트 데이터를 생성하므로 SIAT는 많은 정보를 처리할 수 있었다. 이러한 정보의 양과 처리 속도는 인간 운용자의 능력을 초과한다.
이 기술은 록히드 마틴의 Technology for Telemetry Analytics for Universal Artificial Intelligence (T-TAURI) 플랫폼에 내장되어 있다. 이 플랫폼은 우주선의 상태에 대한 종합적인 그림을 생성한다. 이 연결은 설계, 개발, 생산, 및 임무 운영의 모든 단계에서 예방적 이상 감지를 가능하게 한다.
SIAT는 주목받지 않는 곳에서 일하는 많은 AI 모델 중 하나이며, 승무원 우주선에서 매우 중요하다. 이것은 조용하지만 수동으로 감시하기 어려운 문제를 잡을 수 있다.
디지털 트윈과 자율 시스템
우주 비행사가 오리온 우주선에 탑승하기 전에 엔지니어와 승무원들은 우주선의 복제본에서 전체 시뮬레이션을 실행하여 지구의 정상적인 조건에서 테스트할 수 없는 시나리오를 재현하였다.
디지털 트윈 시뮬레이션은 우주선의 물리적 시스템의 AI 기반 가상 모델을 말한다. 이러한 도구를 사용하여 팀은 우주선과 임무의 중요한 요소들을 스트레스 테스트할 수 있었다. 예를 들어 생명 유지, 탐색, 통신 등이 있다. 이러한 요소들은 지구 기반 실험실에서 재현이 거의 불가능하거나 위험한 조건에서 시험할 수 있었다.
우주선의 컴퓨터는 우주에서 높은 복사 조건에서 중요한 시스템을 작동시키도록 설계되었다. 이 아키텍처는 실시간으로 궤도를 관리하는 자율 알고리즘과 결합되어 깊은 우주 여행에서 발생하는 연속적인 통신 중단에도 불구하고 우주선이 작동할 수 있도록 한다.
알렉사, 우주에 오르다: 칼리스토 기술 데모
아르테미스 임무에서 가장 눈에 띄는 AI 응용 프로그램 중 하나는 칼리스토이다. 이는 록히드 마틴과 NASA가 공동으로 개발한 기술 데모이다.
칼리스토는 아마존의 알렉사 음성 비서와 시스코의 웨브엑스 통신 플랫폼을 오리온 캡슐의 중앙 콘솔에 직접 통합한다. 이것은 NASA의 딥 스페이스 네트워크를 통해 연결된다. 이 통합은 우주 비행사와 존슨 우주 센터의 비행 운용자에게 심우주 작전을 위한 핸즈프리 인터페이스를 제공한다.
칼리스토 프로젝트의 주목할 점은 공공을 위한 요소이다. 아르테미스 I 임무 동안, 록히드 마틴은 사람들이 지구에서 직접 통합에 참여할 수 있도록 초대하였다. 인류와 아르테미스 임무 팀을 위한 메시지를 모았다. 이는 AI가 수십만 마일 떨어진 임무와 집에서 이를 지켜보는 대중 사이를 연결할 수 있음을 보여주는 초기 사례다.
달 탐색을 위한 딥 러닝
달에 도달하는 것은 하나의 도전이다. 그러나 우주 비행사가 달에 도착한 후에 자신의 위치를 알 수 있도록 하는 것은 또 다른 과제이다. 아폴로 승무원들은 더 작은 지역에서 작업했으므로 정밀한 광역 탐색이 필요하지 않았다. 그러나 아르테미스 임무는 달의 남극을 목표로 하므로 우주 비행사는 더 넓고 복잡한 지형에서 자신의 위치와 방향을 파악해야 한다.
2018년, 프론티어 개발 연구소의 연구자들은 달의 지형에 대한 자세한 시뮬레이션을 사용하여 AI 탐색 도구를 구축하였다. 우주 비행사는 자신의 환경의 사진을 캡처할 수 있으며, 딥 러닝 모델은 시뮬레이션된 환경과 비교하여 정확한 좌표를 결정할 수 있다.
이 시스템은 위성 대신 기계 시각을 사용하는 GPS와 같은 방식으로 작동하며, 미션의 범위와 야망이 커짐에 따라 큰 가능성을 보여준다. AI는 이미 여러 임무에서 새로운 지형을 항행하고 탐사하고 외계행성을 탐사하는 데 쓰인다. 시간이 지남에 따라 이 기술은 더욱 발전할 수 있으며, 우주의 지식을 넓히는 데 기여할 수 있다.
지배 구조의 간격
AI가 승무원 우주 비행에서 더 많은 책임을 지게 됨에 따라, 정부와 기관들은 감독과 책임에 대한 질문을 제기하고 있다. 유엔 우주사무국(UNOOSA)은 지배 구조를 요구하고 있다. 이러한 목표는 다음과 같다:
- 우주 작전을 위한 윤리적이고 투명한 AI: 이것은 설명 가능한 AI 시스템, 의미 있는 인간의 감독, 및 중요한 기능에 대한 강력한 안전 장치를 요구한다.
- 공정성, 포용성, 및 세계적 역량 구축: AI 모델의 편향과 자원 분배의 불균형을 해결하기 위해, 유엔 우주사무국(UNOOSA)은 다양한 데이터셋, 공개 데이터 및 도구, 및 개발도상국을 대상으로 한 맞춤형 교육 프로그램을 주장한다.
- 지리공간 기반 모델의 책임 있는 개발 및 사용: 큰 AI 모델의 잠재력을 인정하면서, 기관은 정확성 이상의 평가를 강조한다. 이것은 에너지 소비, 강건성, 및 사회적 및 윤리적 영향과 같은 요소를 포함한다.
- 기후 적응성 및 지속 가능성의 통합: 사무국은 AI 및 지구 관측 기술의 전체 수명 주기에서 기후 고려를 통합할 것을 촉구한다.
- 데이터 소유권 및 무결성의 보호: 이 목표는 데이터 조작을 방지하고 지리공간 정보의 출처를 보장하는 조치를 강조한다.
유엔 우주사무국(UNOOSA)의 정책 브리핑의 주목할 점은 배치 전에 안전성 근거를 마련하기 위한 프레임워크를 요구하는 것이다. 이 권고 정책들은 인간이 실시간으로 개입할 수 없는 우주 임무에서 정의된 매개변수 내에서 AI의 결정에 대한 사전 승인을 허용한다.
AI는 우주에서 결정을 내릴 가능성이 높다. 특히 통신 시스템이 손상된 경우에 더욱 그렇다. 이러한 상황을 방지하기 위해 노력하고 있지만, 이러한 상황에 대비하여 준비하고 AI가 어떤 조건에서 결정할 수 있으며 어떤 수준의 인간의 감독이 필요한지 결정하는 것이 중요하다.
아르테미스 II가 증명한 것
아르테미스 II는 오리온 우주선의 시스템, 승무원 작전, 및 임무 절차를 지구에서 재현할 수 없는 조건에서 성공적으로 검증하였다. 그리고 이것은 인간과 AI가 대기를 넘어서 함께 일할 수 있는 방법을 검증하였다.
아폴로 시대에는 주로 필요에 의해 압박 속에서 비범한 인간의 수행 능력이 요구되었다. 아르테미스는 인간의 직관과 훈련, 기계 지능의 협력이라는 더 분산된 다른 접근을 취한다.
여기서 AI는 인간 승무원이 관리하기 어려운 연속적인 데이터 집중적인 모니터링을 처리한다. 이 지원은 승무원의 시간과 노력을 해방시켜 인간만이 할 수 있는 결정과 과정에 집중할 수 있도록 한다.
AI 애호가들에게 아르테미스 II 달 임무는 의도적이고 신중한 AI 통합이 무엇을 성취할 수 있는지에 대한 증명이다. 특히 네 사람의 생명이 기술의 올바른 작동에 달려 있다는 점에서 그렇다.












