AI로 보는 아르테미스 프로젝트 — 달 탐사를 가능케 하는 인공지능 기술

2022년 11월, 무인 오리온 캡슐이 달을 돌고 돌아왔다. 아르테미스 I이었다. 그로부터 3년여가 흐른 지금, NASA는 아르테미스 II 유인 비행을 수 주 내로 앞두고 있으며, 바로 어제(2026년 2월 27일) 프로그램 전체의 아키텍처를 대폭 개편하는 발표를 내놓았다. 달에 다시 사람을 보내겠다는 이 거대한 계획의 곳곳에는 인공지능 기술이 깊숙이 자리하고 있다. 우주선 제작 공정의 센서 데이터 분석부터 달 표면 자율 착륙, 탐사 로버의 자율 주행, 그리고 먼 미래 화성 탐사의 통신 지연 극복까지, AI 없이는 아르테미스 프로그램이 성립하지 않는다고 해도 과언이 아니다.

아르테미스 프로그램 현황: 2026년의 전환점

아르테미스 프로그램은 원래 2024년까지 달에 사람을 착륙시키겠다는 목표로 출발했으나, 기술적 난관과 예산 제약으로 일정이 여러 차례 밀렸다. 2026년 2월 현재, 아르테미스 II(Artemis II)는 4명의 우주비행사를 오리온 캡슐에 태워 달 궤도를 돌고 귀환하는 미션으로, 2026년 4월 발사를 앞두고 있다¹. 다만 상단 로켓에서 문제가 발견되어 발사대에서 일시 철수하는 일이 있었고, 최종 발사 시점은 수 주 내로 조정 중이다.

가장 큰 변화는 2026년 2월 27일에 발표되었다. NASA 국장 Jared Isaacman은 아르테미스 프로그램에 추가 미션을 편입하고, 전체 아키텍처를 재구성한다고 밝혔다². 핵심 내용은 다음과 같다.

• 아르테미스 III(Artemis III)는 기존의 달 착륙 미션에서 변경되어, 2027년 저궤도(LEO)에서 SpaceX 스타십 및 Blue Origin의 유인 착륙선과 랑데부·도킹 테스트를 수행하는 미션으로 재설계되었다.
• 아르테미스 IV(Artemis IV)가 2028년 첫 번째 달 표면 착륙 미션이 되며, 이후 매년 최소 한 차례 착륙 미션을 수행한다.
• SLS(Space Launch System)의 Block 1 구성을 표준화하고, 기존에 계획되던 Block 1B/Block 2 업그레이드는 사실상 취소되었다.
• Lunar Gateway 우주 정거장은 이번 개편된 아키텍처에서 구체적 언급이 빠졌다.

Isaacman 국장은 “아폴로가 단계적 역량 축적을 통해 불가능에 가까운 일을 해냈듯, 우리도 같은 방식으로 할 것”이라고 밝혔다². 부국장 Amit Kshatriya는 “매번 설정을 바꾸는 것은 불필요하게 복잡하다”며 Block 1 표준화의 논리를 설명했다.

SIAT: 15만 개 센서를 4시간 만에 분석하는 AI

오리온 캡슐은 제작과 시험 과정에서 약 15만 개의 센서가 데이터를 쏟아낸다. 온도, 압력, 진동, 전력 소모량 등 다종다양한 측정값이 동시에 기록되는데, 이 데이터를 인간 엔지니어가 일일이 비교하고 이상을 찾아내는 것은 현실적으로 불가능하다.

이 문제를 해결하기 위해 Lockheed Martin은 NEC가 개발한 SIAT(System Invariant Analysis Technology)를 자사의 AI 플랫폼 T-TAURI에 통합했다³. SIAT는 대량의 센서 데이터에서 불변 관계(invariant relationship)를 자동으로 추출하는 기술이다. 즉, 정상 작동 상태에서 센서 A와 센서 B 사이에 어떤 상관관계가 유지되어야 하는지를 AI가 스스로 학습한다. 만약 특정 센서 쌍의 관계가 학습된 패턴에서 벗어나면, 그것이 곧 이상 징후다.

T-TAURI와 SIAT는 4시간 만에 15만 개 센서로부터 220억 개 이상의 논리적 관계를 도출했다³. 이 숫자는 인간이 수동으로 분석할 수 있는 범위를 완전히 넘어선다. Lockheed Martin과 NEC는 2021년에 협력 계약을 체결하고 다년 라이선스를 확정했으며, 오리온 우주선의 설계·생산·시험 전 단계에서 SIAT를 활용하고 있다⁴.

이 기술의 핵심 가치는 예측 정비(predictive maintenance)에 있다. 우주에서는 고장이 곧 생명의 위협이다. SIAT가 지상 시험 단계에서 미세한 이상을 조기에 포착함으로써, 발사 전에 잠재적 결함을 제거할 수 있다.

자율 내비게이션: 달에 정밀 착륙하는 AI의 눈

달 표면에 착륙하는 일은 평탄한 활주로에 비행기를 내리는 것과 근본적으로 다르다. 달 남극 지역은 영구 음영 지대, 깊은 크레이터, 가파른 경사면이 산재해 있어, 착륙 지점을 실시간으로 판단하고 위험 지형을 회피하는 능력이 필수적이다.

NASA가 개발한 TRN(Terrain Relative Navigation)은 이 문제의 핵심 해법이다⁵. TRN은 착륙선에 탑재된 카메라와 라이다가 촬영한 지형 데이터를 사전에 구축된 달 표면 지도와 실시간으로 대조하여, 우주선의 현재 위치를 정밀하게 파악한다. 여기에 HD(Hazard Detection) 시스템이 결합되어, 착륙 직전 마지막 단계에서 바위나 경사면 같은 소규모 장애물을 식별하고 안전한 지점으로 경로를 수정한다.

TRN은 이미 화성에서 검증되었다. 2021년 퍼시비어런스 로버의 착륙 과정에서 TRN이 작동하여, 예제로 크레이터 내부의 위험 지형을 회피하며 정확한 지점에 내려앉는 데 성공했다⁵. 아르테미스 프로그램의 달 착륙선들도 이 기술의 발전형을 탑재할 예정이다.

지구와 달 사이의 통신 지연은 편도 약 1.3초로, 화성에 비하면 짧지만, 착륙이라는 수십 초 단위의 급박한 상황에서는 지상 관제에 의존할 수 없다. 자율 내비게이션 소프트웨어는 무선 측정, 천체 항법, 고도 측정, TRN, GPS 신호 등 복합적인 데이터를 활용하여, 지상 교신 없이도 독자적으로 항법을 수행한다⁶.

Callisto: 우주에서 작동한 AI 어시스턴트

아르테미스 I 미션에는 특별한 탑재물이 하나 있었다. Lockheed Martin, Amazon, Cisco가 공동 개발한 Callisto라는 기술 시연 장치였다⁷. Callisto에는 Amazon의 Alexa 음성 인식 AI와 Cisco의 Webex 화상 통신 소프트웨어가 탑재되어, 달까지 왕복하는 26일간의 비행 동안 심우주 환경에서의 작동 여부를 테스트했다.

Callisto는 우주비행사가 음성으로 우주선의 비행 상태, 수분 공급량, 배터리 잔량 등을 질의하면 실시간으로 답변하는 시나리오를 상정하고 설계되었다⁸. 아르테미스 I은 무인 미션이었으므로 실제 승무원과의 상호작용은 없었지만, 심우주의 방사선 환경과 극한 온도에서 소비자용 AI 기술이 정상 작동할 수 있음을 확인한 첫 사례였다.

장기적으로 이 기술은 우주비행사의 업무 효율을 크게 높일 수 있다. 수백 페이지에 달하는 운용 매뉴얼을 뒤지는 대신 음성으로 필요한 정보를 즉시 호출하고, 지상 관제와의 교신이 지연되는 상황에서도 온보드 AI가 일차적인 의사결정 지원을 제공하는 구조다.

자율 탐사 로버: VIPER의 유산과 MAPP의 실전

달 탐사에서 AI의 역할이 가장 직접적으로 드러나는 분야는 자율 주행 로버다. NASA는 달 남극의 얼음 자원을 탐사하기 위해 VIPER(Volatiles Investigating Polar Exploration Rover)를 개발했다. 골프 카트 크기의 이 로버는 영구 음영 지대에 진입하여 물 얼음의 분포와 농도를 매핑하는 것이 목표였다⁹. 그러나 2024년 7월, NASA는 예산 제약을 이유로 VIPER 미션의 중단을 발표했다¹⁰.

VIPER는 취소되었지만, 이를 위해 개발된 AI 자율 항법 기술은 살아남았다. VIPER의 AI 어시스턴트 시스템은 로버가 영구 음영 지대처럼 직접적인 시야 확보가 어려운 환경에서도 자율적으로 경로를 계획하고 장애물을 회피할 수 있도록 설계되었다¹¹.

한편, 민간 기업 Lunar Outpost가 개발한 MAPP(Mobile Autonomous Prospecting Platform) 로버는 2025년 2월 SpaceX Falcon 9에 실려 발사되었고, Intuitive Machines의 IM-2 착륙선을 통해 달 남극에 도달했다¹². 여행 가방 크기의 소형 로버인 MAPP는 미국 최초의 원격 조종 달 로버로 기록되었으며, ISRU(현지 자원 활용) 기술 시연과 Nokia와의 협력으로 달 표면 최초의 셀룰러 네트워크 구축을 목표로 했다. Lunar Outpost는 여기서 더 나아가 미 공군·우주군을 위한 MARS-1 계약 하에 자율 로봇 군집(Mobile Autonomous Robotic Swarms) 소프트웨어도 개발 중이다¹³.

Lunar Gateway에서의 AI 자율 운영

Lunar Gateway는 달 궤도에 건설될 최초의 심우주 우주 정거장으로, 아르테미스 프로그램의 핵심 인프라로 계획되었다. 2026년 2월 27일 발표에서 Gateway는 구체적 언급이 빠졌지만, NASA의 장기 로드맵에서 완전히 배제된 것은 아직 아니다.

Gateway의 기술적 특성 중 가장 주목할 점은, 초기 수년간 대부분의 시간을 무인 상태로 자율 운영해야 한다는 것이다¹⁴. 우주비행사가 상주하지 않는 기간에도 시스템 건전성을 모니터링하고, 예상치 못한 고장이나 이상에 즉각 대응해야 한다. 지구와의 통신 지연과 제한된 데이터 전송 용량을 감안하면, 지상 관제에 의존하는 방식은 한계가 명확하다.

NASA는 이를 위해 SBIR/STTR 프로그램을 통해 Gateway 전용 자율 시스템 기술을 공모했다¹⁵. 무인 시 자율 고장 탐지 및 대응, 제한된 통신 환경에서의 자율 의사결정, 크루 재탑승 시 시스템 상태 인계 등이 핵심 요구사항이다. 이 기술은 궁극적으로 화성 미션을 위한 자율 운영 역량의 시험대가 될 것이라고 NASA는 명시하고 있다.

SpaceX 스타십의 AI 자율 착륙

아르테미스 프로그램의 유인 착륙선으로 선정된 SpaceX 스타십은, 그 자체가 AI 기반 자율 착륙 기술의 결정체다. SpaceX의 Falcon 9 부스터가 수직으로 되돌아와 드론십이나 발사대에 착륙하는 장면은 이제 익숙하지만, 이 기술의 핵심에는 볼록 최적화(convex optimization) 알고리즘이 있다.

SpaceX의 수석 엔지니어 Lars Blackmore가 개발한 이 알고리즘은 무손실 볼록화(lossless convexification)라는 기법을 통해, 본래 비볼록(non-convex)인 로켓 착륙 문제를 볼록 최적화 문제로 변환하여 실시간으로 최적 경로를 계산한다¹⁶. 엔진 추력의 최솟값과 최댓값 제약, 연료 효율, 착륙 정밀도를 동시에 만족시키는 궤적을 밀리초 단위로 산출하는 것이다.

스타십은 이 기술을 달 착륙이라는 새로운 환경에 적용해야 한다. 대기가 없는 달에서는 공기역학적 제어면(그리드 핀 등)을 사용할 수 없으므로, 엔진 추력 벡터링만으로 자세와 궤적을 제어해야 한다. 2024년 10월, 스타십의 슈퍼 헤비 부스터가 발사탑의 기계 팔(“젓가락”)에 의해 포착되는 데 성공한 것은, AI 기반 실시간 궤적 조정 기술의 성숙도를 보여준 사례였다.

이상 탐지와 예측 정비: 우주에서의 AI 안전망

우주선 운용에서 AI의 또 다른 핵심 역할은 이상 탐지(anomaly detection)와 예측 정비(predictive maintenance)다. NASA는 기계학습 기반 이상 탐지 시스템을 통해 조기 감지율을 32% 향상시켰고, 자율 제어 시스템으로 수동 개입 필요량을 60% 감소시킨 바 있다¹⁷.

우주선의 텔레메트리 데이터에서 이상을 탐지하는 연구는 다양한 방법론으로 발전해왔다. LSTM(Long Short-Term Memory) 신경망 기반의 시계열 분석이 대표적이며, NASA의 SMAP(Soil Moisture Active Passive)과 MSL(Mars Science Laboratory) 데이터셋에서 87.5%의 정밀도와 80.0%의 재현율을 달성한 연구 결과가 보고되었다¹⁸. 인과 관계 특성(Causality Features)을 통합한 CF-LSTM 모델은 매개변수 간 상관관계를 반영하여 예측 정밀도를 더욱 높였다.

앞서 언급한 SIAT도 이 범주에 속한다. 지상 시험 단계에서의 이상 탐지는 비행 중 고장을 사전에 차단하는 역할을 하며, 비행 중 실시간 이상 탐지는 승무원의 생존과 직결된다. 아르테미스 프로그램이 매년 착륙 미션을 수행하겠다는 야심찬 계획을 실현하려면, AI 기반 이상 탐지와 예측 정비의 성숙은 필수 조건이다.

화성을 향해: 통신 지연 4–24분의 세계

아르테미스 프로그램의 최종 목표는 달이 아니라 화성이다. 달은 화성 탐사를 위한 기술 검증과 역량 축적의 무대다. 그리고 화성에서 AI의 중요성은 달과는 비교할 수 없을 정도로 커진다.

지구와 화성 사이의 통신 지연은 행성 간 상대 위치에 따라 편도 4–24분에 달한다¹⁹. 왕복으로 치면 최대 48분이다. 퍼시비어런스 로버가 바위 앞에서 멈춰 선 순간, 지구에서 “왼쪽으로 돌아”라는 명령을 보내고 로버가 그 명령을 받기까지 최악의 경우 24분이 걸린다. 로버의 응답을 확인하는 데 또 24분. 이 구조로는 실질적인 탐사가 불가능하다.

그래서 퍼시비어런스는 AutoNav라는 자율 주행 시스템을 탑재했다. AutoNav는 로버의 카메라 영상을 분석하여 장애물을 식별하고, 안전한 경로를 스스로 계획하며, 지구의 명령 없이도 하루 수백 미터를 이동할 수 있다. 미래의 유인 화성 탐사에서는 이 자율성이 로버뿐 아니라 거주 모듈, 생명 유지 시스템, 전력 관리, 의료 진단 등 모든 영역으로 확장되어야 한다.

아르테미스 프로그램에서 시험되는 모든 AI 기술—SIAT의 이상 탐지, TRN의 자율 착륙, Gateway의 무인 자율 운영, 로버의 자율 주행—은 궁극적으로 화성이라는 더 먼 목적지를 위한 기반 기술이다. 달에서의 1.3초 지연은 화성에서의 24분 지연을 대비하기 위한 연습 무대인 셈이다.

달과 AI, 그리고 다음 발걸음

2026년은 아르테미스 프로그램의 결정적 해가 될 것이다. 아르테미스 II가 인간을 다시 달 궤도로 보내고, 재편된 아키텍처 아래 2027년의 LEO 시험 미션과 2028년의 첫 착륙이 순차적으로 이어진다. 이 모든 과정에서 AI는 눈에 보이지 않는 곳에서, 그러나 결정적인 역할을 수행한다.

15만 개의 센서 데이터를 분석하여 결함을 찾아내는 SIAT, 달 표면의 크레이터와 바위를 실시간으로 회피하는 TRN, 심우주에서 승무원의 질문에 답하는 Callisto, 수직으로 되돌아오는 스타십의 볼록 최적화 알고리즘, 그리고 언젠가 화성의 붉은 사막을 홀로 가로지를 로버의 자율 주행 시스템까지. 아르테미스의 이야기는 곧 AI의 이야기이기도 했다.