핵심 요약
미국 항공우주국(NASA)의 화성 탐사로버 퍼시비어런스가 생성형 AI가 설계한 경로로 2025년 12월 8일과 10일 두 차례 시험 주행을 성공적으로 완료했다. 이 시험에서 로버는 지구의 수동 명령 없이 약 456m를 이동하며 자율 항법 능력을 입증했다. 실험은 NASA 제트추진연구소(JPL)가 주도했고, 앤트로픽의 생성형 AI 모델 ‘클로드(Claude)’가 경로 계획에 활용됐다. 이번 성과는 화성 탐사에서 통신 지연으로 인한 제약을 줄이고 임무 효율을 높일 가능성을 보여준다.
핵심 사실
- 시험일: 2025년 12월 8일과 12월 10일, 두 차례 실시되어 총 약 456m를 주행했다.
- 단일 세션 사례: 2025년 12월 10일에는 AI가 설계한 경로로 약 246m를 주행했다.
- 주도 및 협력: NASA JPL이 주도했고 앤트로픽의 생성형 AI 모델 ‘클로드’가 사용됐다.
- 데이터 입력: 화성 정찰궤도선(MRO) 이미지와 컴퓨터 모델에서 산출한 지형 경사 데이터가 분석에 활용됐다.
- 경로 산출 방식: AI는 암석·급경사·바위 지대 등 표면 특징을 식별해 웨이포인트 기반 내비게이션 경로를 도출했다.
- 통신 한계: 화성은 지구에서 평균 약 2억2500만km 떨어져 있어 실시간 원격 조작이 불가능하다.
- 운영 변화 효과: 기존에는 사람이 하루 단위로 약 100m 내외 웨이포인트를 설계했으나, AI 도입으로 의사결정 자동화가 가능해졌다.
- 영상·시각화: 공개된 영상은 AI가 설계한 자홍색 경로와 실제 주황색 주행 궤적을 비교해 보여준다.
사건 배경
화성 탐사는 지구와의 통신 지연으로 인해 원격 실시간 조작이 사실상 불가능하다. 이 때문에 수십 년 동안 운영팀이 지형·로버 상태를 분석해 웨이포인트를 설정하는 방식으로 매일 주행 계획을 수립해 왔다. 일반적으로 운영자들은 안전을 우선해 하루 이동 거리를 약 100m 내외로 제한했고, 이는 탐사 범위·속도에 제약으로 작용했다. 최근 수년간 로버와 궤도선에서 수집된 고해상도 이미지와 지형 데이터가 누적되며 자동화·자율화 기술 적용의 기반이 마련됐다.
동시에 생성형 AI(large generative models)의 발전은 복합 데이터에서 패턴을 추출하고, 인간이 수행하던 의사결정 일부를 자동화할 수 있는 가능성을 열었다. 우주 탐사 분야에서는 경로 계획·위험 회피·과학적 표적 식별 등 반복적이면서도 다수의 변수를 고려해야 하는 업무가 AI 적용에 적합하다고 평가돼 왔다. 민간 AI 기업과 연구기관의 협업이 늘어나면서 탐사 임무에 AI를 시범 적용하는 프로젝트가 활성화됐다. 이번 퍼시비어런스 실험은 이러한 기술·조직적 변화의 첫 가시적 성과 중 하나로 볼 수 있다.
주요 사건
시험은 JPL 주도 하에 설계돼 2025년 12월 8일과 10일 두 차례 실행됐다. AI는 운영자가 통상 사용하는 동일한 입력 자료, 즉 MRO가 촬영한 고해상도 영상과 지형 경사 데이터 등을 바탕으로 주행 경로를 생성했다. 생성된 경로는 웨이포인트(고정 표면 좌표) 형태로 로버에 전달되어, 로버는 자체 내비게이션 시스템을 이용해 각 웨이포인트로 순차 이동했다.
영상 공개 내용에 따르면 AI가 설계한 자홍색 경로와 로버의 실제 주행 궤적(주황색)은 대체로 일치했으며, 로버가 검토한 대체 주행 옵션은 검은색으로 시각화됐다. 퍼시비어런스는 총 두 차례 시험에서 약 456m를 이동했으며, 이 중 12월 10일 단독 주행 분이 약 246m였다. JPL 측은 실시간 지구 관여 없이도 위험 요소를 피하며 안전하게 목표에 도달했다고 밝혔다.
프로젝트 관계자들은 이번 시연이 인간 운영자들이 수행해 온 의사결정 프로세스의 일부를 AI가 자동화했음을 보여준다고 설명했다. 특히 AI는 암석 분포와 경사 급변 구간을 사전에 파악해 탐사 성공률을 높이는 경로를 제안했다. 다만 현재 단계는 완전 자율 항행의 초기 단계로, 복잡한 상황에서는 여전히 인간의 감독과 개입이 필요하다고 JPL은 설명했다.
분석 및 의미
첫째, 자율 경로 설계의 성공은 탐사 속도와 범위 확대에 직접적인 영향을 줄 가능성이 크다. 기존에 운영자가 하루 단위로 제한했던 이동 거리를 AI 보조로 확장하면 동일 기간 내 훨씬 넓은 지역을 조사할 수 있다. 이는 지질학적 표적의 발굴 가능성을 높이고 짧은 기간 내 더 다양한 샘플 접근을 가능하게 한다. 다만 로버의 장기 내구성·에너지 관리·비상 상황 대응 능력은 여전히 중요한 제약으로 남아 있다.
둘째, 민간 AI 기술(앤트로픽 클로드)의 우주 적용은 공공·민간 협업 모델의 확장을 의미한다. 민간 모델을 우주 임무에 도입할 때는 신뢰성·검증·보안 문제가 핵심으로 대두된다. 특히 생성형 AI는 설계·판단의 근거를 설명하기 어려운 경우가 있어, 우주 임무 수준의 신뢰성 기준을 만족시키려면 추가 검증 절차와 안전망 설계가 필요하다.
셋째, 국제적 파급력 측면에서 이번 성과는 다른 우주 기관과 민간 사업자들에게도 자율 항법 도입 가속을 촉발할 수 있다. 장기적으로는 화성뿐 아니라 달·소행성 등 통신 지연이 큰 환경에서의 자율 운영이 표준 운영 방식으로 자리잡을 가능성이 있다. 그러나 기술적·윤리적·운영적 검증을 통해 실패 위험을 최소화하는 것이 전제되어야 한다.
비교 및 데이터
| 일자 | 경로 설계 방식 | 이동 거리(근사) |
|---|---|---|
| 2025-12-08 | 생성형 AI(클로드) 설계 | 약 210m |
| 2025-12-10 | 생성형 AI(클로드) 설계 | 약 246m |
| 과거(일반 사례) | 지구 운영자 수동 계획 | 통상 ≦100m/일 |
위 표는 이번 실험의 두 세션별 이동 거리와 과거 운영자의 일일 평균 이동 한계를 비교한 것이다. 이번 실험에서 로버는 한 세션에 과거 일일 이동 한계의 2배 이상을 주행한 사례가 포함되어 있으며, 이는 AI 보조가 이동 범위를 넓히는 잠재력을 시사한다. 다만 표의 거리 수치는 공개된 실험 결과를 근거로 요약한 근사값이며, 향후 공식 기술 보고서에서 세부 계측값이 제시될 가능성이 있다.
반응 및 인용
NASA 고위 관계의 발언은 이번 시연의 기술적 의의를 강조하는 맥락에서 나왔다. 발표문과 영상 공개 후 언론 인터뷰·성명에서 JPL과 NASA는 자율 기술의 잠재력을 부각했다.
“이번 시연은 우리 기술 역량이 얼마나 발전했는지를 보여주는 사례로, 다른 세계를 탐험하는 방식의 지평을 넓혀준다.”
재러드 아이작먼, NASA 국장
이 발언은 자율 주행 도입이 탐사 임무의 효율성 및 과학 성과 향상에 기여할 것이라는 기관의 공식적 기대를 요약한다. 다만 구체적 운용 규범·추가 시험 일정 등에 대한 언급은 제한적이었다.
“생성형 AI의 핵심 기술들은 외계 행성 주행을 위한 자율 항법의 주요 요소를 간소화할 수 있는 큰 잠재력을 보여준다.”
반디 베르마, JPL 우주 로봇공학자·퍼시비어런스 엔지니어링팀
이 발언은 기술자 관점에서의 기대를 드러낸다. 베르마는 생성형 AI와 지능형 도구들이 운영자의 업무 부담을 낮추고 탐사 이미지 분석을 가속화할 수 있음을 설명했다.
보조 모듈
불확실한 부분
- 장기 신뢰성: AI 설계 경로가 장기 임무에서 반복적으로 안정적일지 여부는 추가 데이터가 필요하다.
- 안전 검증 범위: 공개된 자료만으로 AI의 모든 검증 절차와 실패 대책의 세부가 충분히 확인되지 않았다.
- 민간 모델 의존성: 앤트로픽 등 민간 모델을 운용에 사용하는 데 따른 보안·거버넌스 이슈는 아직 완전하게 해소되지 않았다.
총평
퍼시비어런스의 AI 기반 경로 설계 성공은 화성 탐사 운영 방식의 전환 가능성을 보여주는 중요한 이정표다. 실험은 통신 지연이라는 물리적 제약을 완화하고 탐사 속도와 효율을 높일 수 있는 기술적 근거를 제시했다. 다만 현재 단계는 초기 시범으로, 완전한 자율 운영을 위해서는 반복 시험·검증·안전 체계 확충이 필요하다.
향후 몇 년간 추가 실험과 공개 데이터가 쌓이면, 화성뿐 아니라 달·심우주 탐사 전반에서 자율화가 표준 절차로 자리잡을 가능성이 높다. 연구진과 정책결정자는 기술적 이득과 함께 검증·거버넌스·보안 문제를 병행해 관리해야 한다. 독자는 공개된 실험 결과와 향후의 공식 보고서를 주의 깊게 확인할 필요가 있다.