AI가 아르테미스 II 달 임무를 발사하는 데 어떻게 도움이 되었는가

2026년 4월 1일, 4명의 우주 비행사가 오리온 우주선에 탑승하여 로켓을 타고 역사적인 순간을 만들었습니다. 비행사 리드 위즈먼, 파일럿 빅터 글로버, 임무 전문가 크리스티나 코치와 제러미 한센은 아폴로 임무 이후 처음으로 달을 돌린 인간이 되었습니다.

10일간의 임무는 인간의 지능과 전문성이 결합된 업적이었습니다. 그러나 이것은 또한 우주 탐사에서 AI가 파트너로 작용하는 것을 보여주었습니다.

SIAT: 모든 것을 감시하는 AI

오리온 우주선의 온보드 인텔리전스의 중심에는 NEC Corp.에서 개발하고 록히드 마틴의 우주선 시스템에 통합된 시스템 인버리언트 분석 기술(SIAT)이라는 시스템이 있습니다. SIAT는 분석 엔진으로, 센서 데이터를 지속적으로 모니터링하여 복잡한 시스템의 정상적인 동작을 학습하고 장애가 발생하기 전에 이상을 표시합니다.

평가 동안 SIAT는 수많은 시스템 변수와 센서 간의 수십억 개의 관계를 모델링했습니다. 현대의 우주선 시스템은大量의 텔레메트리 및 테스트 데이터를 생성하므로 SIAT는 많은 정보를 처리할 수 있었습니다. 이러한 정보의 양과 처리 속도는 인간 운용자의 능력을 초과합니다.

이 기술은 록히드 마틴의 기술을 위한 텔레메트리 분석 플랫폼인 T-TAURI(Technology for Telemetry Analytics for Universal Artificial Intelligence) 플랫폼에 내장되어 있습니다. 이 플랫폼은 우주선의 건강 상태에 대한 종합적인 그림을 생성하며, 이는 설계, 개발, 생산 및 실시간 임무 운영에서 예측 가능한 이상 감지를 가능하게 합니다.

SIAT는 많은 AI 모델 중 하나로, 조명 아래에서 멀리 떨어져 있지만, 승무원 우주선에서 매우 중요합니다.それは 조용하지만 수동으로 모니터링하기 어려운 문제를 감지할 수 있습니다.

디지털 트윈과 자율 시스템

우주 비행사가 오리온 우주선에 탑승하기 전에, 엔지니어와 승무원들은 우주선의 복제본 내에서 전체 시뮬레이션을 실행하여 지구의 정상적인 조건에서 테스트할 수 없는 시나리오를 재현했습니다.

디지털 트윈 시뮬레이션은 우주선의 물리적 시스템의 AI 기반 가상 모델을 참조합니다. 이러한 도구를 사용하여 팀은 임무와 우주선의 중요한 요소들을 스트레스 테스트할 수 있으며, 생명 유지, 항법 및 통신과 같은 조건을 지구 기반 연구소에서 복제하기 어려운 또는 위험한 조건에서 테스트할 수 있습니다.

우주선의 컴퓨터는 우주에서 높은 방사선 조건에서 중요한 시스템을 작동시키도록 설계되었습니다. 이 아키텍처는 실시간으로 궤도를 관리하는 자율 알고리즘과 결합되어, 깊은 우주 여행의 일부인 연장된 통신 블랙아웃 동안 우주선이 작동을 유지할 수 있도록 허용했습니다.

알렉사 인 오비트: 칼리스토 기술 데모

아르테미스 임무에서 가장 눈에 띄는 AI 응용 프로그램 중 하나는 록히드 마틴과 NASA가 공동으로 개발한 칼리스토 기술 데모입니다.

칼리스토는 아마존의 알렉사 음성 조작기와 시스코의 웹엑스 통신 플랫폼을 오리온 캡슐의 중앙 콘솔에 직접 통합했습니다. 이것은 NASA의 딥 스페이스 네트워크를 통해 연결됩니다. 이 통합은 우주 비행사와 존슨 우주 센터의 비행 운용자가 깊은 우주 작전에 대한 무선 인터페이스를 제공합니다.

칼리스토 프로젝트의 주목할 점은 공공向 요소입니다. 아르테미스 I 임무 동안, 록히드 마틴은 사람들이 지구에서 직접 통합에 참여하도록 초대했으며, 인류와 아르테미스 임무 팀을 위한 메시지를 수집했습니다. 이것은 AI가 임무와 더 넓은 대중 사이의 다리 역할을 하는 초기 예입니다.

달 탐사를 위한 딥 러닝

달에 도달하는 것은 하나의 도전입니다. 우주 비행사가 그곳에 있을 때 자신의 위치를 알 수 있는 또 다른 과제입니다. 아폴로 승무원은 더 작은 지역에서 일했으므로 정밀한 광역 항법이 필요하지 않았습니다. 그러나 달의 남극을 대상으로 하는 아르테미스 임무는 우주 비행사가 더 큰 및 더 복잡한 지형에서 자신을 정렬해야 함을 의미합니다.

2018년, 프론티어 개발 연구소의 연구자들은 달의 지형에 대한 자세한 시뮬레이션을 사용하여 AI 항법 도구를 구축했습니다. 우주 비행자는 자신의 환경의 사진을 캡처할 수 있으며, 딥 러닝 모델은 시뮬레이션된 주변 환경과 비교하여 정확한 좌표를 결정할 수 있습니다.

이 시스템은 위성 대신 기계 시각을 사용하는 GPS와 같은 방식으로 작동하며, 임무의 범위와 야망이 커짐에 따라 많은 약속을 보입니다. AI는 이미 새로운 지형과 외계 행성을 탐사하고 탐험하는 데 사용되고 있습니다. 시간이 지남에 따라 이 기술은 더욱 발전하고 인간의 우주에 대한 지식을 확장할 수 있습니다.

거버넌스 갭

AI가 승무원 우주 비행에서 더 많은 책임을 지게됨에 따라, 정부와 기관은 감독과 책임에 대한 질문을 제기하고 있습니다. 유엔 우주 항공 위원회는 거버넌스 프레임워크를 요구하고 있습니다. 이는 다음의 주요 목표에 의존합니다:

• 우주 작전을 위한 윤리적이고 투명한 AI: 이는 설명 가능한 AI 시스템, 의미 있는 인간 감시 및 중요 기능에 대한 강력한 안전 장치가 필요합니다.
• 공정성, 포용성 및 글로벌 능력 구축: AI 모델의 편향과 자원 분배의 불균형을 해결하기 위해, UNOOSA는 다양한 데이터 세트, 데이터 및 도구에 대한 공개 액세스, 개발 도상국을 위한 표적 훈련 프로그램을 주장합니다.
• 지구 공간 기반 모델의 책임 있는 개발 및 사용: 대형 AI 모델의 잠재력을 인정하면서, 조직은 정확성 이상의 종합적인 평가를 강조합니다. 이는 에너지 소비, 강건성, 사회적 및 윤리적 영향과 같은 요소를 포함합니다.
• 기후 적응성 및 지속 가능성의 통합: 사무국은 우주 및 지구 관측 기술의 전체 수명 주기에서 기후 고려 사항을 통합할 것을 촉구합니다.
• 데이터 소유권 및 무결성 보호: 이 목표는 데이터 조작을 방지하고 지구 공간 정보의 출처를 보장하기 위한 조치에 중점을 둡니다.

UNOOSA의 정책 브리핑에서 주목할 점은 사전 배포 안전 사례를 생성하기 위한 프레임워크를 요구하는 것입니다. 이러한 추천 정책은 인간의 개입이 불가능한 우주 임무에서 정의된 매개 변수 내에서 AI 의사 결정을 사전 승인합니다.

AI는 우주에서 의사 결정을 내릴 가능성이 있습니다. 특히 통신 시스템이 손상된 경우에 더욱 그렇습니다. 이러한 상황이 발생하지 않도록 노력하고 있지만, 이러한 상황을 준비하고, AI가 어떤 조건에서 의사 결정을 내릴 수 있으며, 어떤 수준의 인간 감시하에 내릴 수 있는지 결정하는 것이 중요합니다.

아르테미스 II가 증명한 것

아르테미스 II는 오리온 우주선의 시스템, 승무원 작전 및 임무 절차를 지구에서 재현할 수 없는 조건에서 성공적으로 검증했습니다. 아르테미스 II는 또한 대기권 밖에서 인간과 AI가 협력하는 방식을 검증했습니다.

아폴로 시대는 압박하에서 인간의卓越한 수행을 요구했습니다. 아르테미스는 다른, 더 분산된 접근 방식을 취하고 있으며, 이는 인간의 직관과 훈련 및 기계 지능 간의 협력입니다.

여기서 AI는 승무원이 관리하기 어려운 연속적이고 데이터 집약적인 모니터링을 처리합니다. 이 지원은 승무원의 시간과 노력을 해방시켜, 인간만이 내릴 수 있는 결정과 프로세스에 집중할 수 있도록 합니다.

AI 애호가들에게 아르테미스 II 달 임무는 의도적이고 심도 있는 AI 통합이 무엇을 성취할 수 있는지에 대한 증명입니다. 특히 기술이 올바르게 작동하는지에 4명의 생명이 달려 있는 경우에 더욱 그렇습니다.