화성이 보여준 로봇 자율성의 가능성과 아직 남은 한계

화성은 로봇 자율성을 시험하기에 유난히 까다로운 장소다. 지구와 화성 사이의 통신은 편도 약 3~22분이 걸릴 수 있고, 더 긴 통신 장애도 발생할 수 있다. 따라서 지상에서 조종간을 움직이듯 실시간으로 로버를 제어하는 방식은 현실적이지 않다. 로버는 주변을 해석하고, 안전한 행동을 고르고, 예상 밖 상황에서 스스로 대응해야 한다. 1719

이 점에서 화성이 답할 수 있는 질문은 “로봇이 시뮬레이션만으로 모든 것을 배울 수 있는가”보다 좁고 구체적이다. 데이터가 부족하고 재훈련이 느리며, 실패를 되돌릴 수 없는 상황에서 사전 모델과 탑재 센서, 현장 의사결정만으로 로봇이 얼마나 유용한 일을 해낼 수 있는지를 보여준다.

화성이 실제로 시험하는 것

화성 탐사는 고수준 감독과 저수준 실행을 분리한다. 지상 관제팀은 과학적으로 중요한 목표를 정하고, 위험 허용 범위와 큰 방향의 경로를 설정한다. 그다음 로버는 짧은 시간 단위의 인식·계획·제어·위험 회피 과정을 현장에서 수행한다.

이는 통신 지연과 불확실성 속에서 작동하는 자율성을 검증하는 의미 있는 시험이다. 하지만 목표 환경을 한 번도 경험하지 않은 로봇이 임의의 물리적 기술을 학습할 수 있는지를 보여주는 깔끔한 실험은 아니다. 이동, 조작, 수리는 서로 다른 불확실성을 안고 있으며, 화성에서는 실패한 실험을 반복할 기회도 거의 없다.

큐리오시티와 퍼서비어런스가 보여준 생산성의 차이

큐리오시티와 퍼서비어런스는 서로 연관성이 높은 이동 설계를 사용하며, 명목상 최대 바퀴 속도도 초당 약 4.2cm로 같다. 하지만 퍼서비어런스는 향상된 탑재 컴퓨팅 장치와 카메라, 내비게이션 소프트웨어를 바탕으로 더 강력한 자율주행을 구현했다. 1

큐리오시티의 자율주행은 대체로 로버가 멈춰 스테레오 이미지를 촬영하고, 이를 처리한 뒤, 안전한 경로를 고르는 방식이었다. 첫 2,500솔(sol·화성의 하루) 동안 큐리오시티의 주행 거리 중앙값은 약 28m였고, 100m를 넘은 주행은 18회에 그쳤다. 2

반면 퍼서비어런스의 AutoNav는 주변 지형의 3차원 지도를 만들고, 기하학적 위험 요소를 식별하며, 지구에서 모든 경로 구간을 일일이 지정하지 않아도 장애물을 피해 경로를 다시 계획한다. 37 급속 주행 캠페인에서는 하나의 계획으로 여러 솔에 걸쳐 528.7m를 이동했고, 3솔 동안 사람이 주행 경로를 입력하지 않은 채 699.9m를 이어서 주행했다. 5 한 바위 지대에서는 이전 화성 로버라면 예상되는 시간의 약 3분의 1 만에 경로를 통과했다고 NASA가 보고했다. 6

물론 이 비교는 완전히 통제된 실험은 아니다. 두 로버는 소프트웨어뿐 아니라 컴퓨팅 성능, 영상 장비, 임무 시스템 등에서도 차이가 있다. 그럼에도 중요한 운영 원칙은 분명히 드러난다. 로봇이 안전한 현지 판단을 내릴 수 있으면, 통신 지연은 매번 ‘명령을 보내고 기다리는’ 병목이 되지 않는다.

핵심은 로봇의 독립이 아니라 감독형 제어다

퍼서비어런스가 인간의 역할을 없앤 것은 아니다. 어떤 과학적 목표가 중요한지, 어느 정도의 위험을 감수할지, 로버가 대략 어디로 향할지는 여전히 사람이 결정한다. 자율성은 그 목표를 효율적으로 달성하는 데 필요한 현장 실행을 맡는다.

이 구조는 고장 난 로봇을 회수하거나 신속하게 다시 배치할 수 없는 환경에서 특히 중요하다. 운영자는 모든 수정 명령을 지구에서 전송하는 대신 목표와 안전 가드레일을 전달한다. 로봇은 센서와 탑재 모델을 활용해 그 범위 안에서 행동을 선택한다.

따라서 현재의 증거가 뒷받침하는 결론은 실용적이다. 위험을 인식하며 주행하는 것처럼 범위가 잘 정의된 작업에서는 자율성이 하루당 수행 활동과 접근 가능한 과학 성과를 늘릴 수 있다. 그러나 같은 시스템이 임의의 물리적 조작을 안전하게 수행할 수 있다는 뜻은 아니다.

주행 성공이 시뮬레이션 기반 조작의 증거가 아닌 이유

주행은 어렵지만, 문제의 상당 부분을 기하학으로 표현할 수 있다. 지형을 파악하고, 위험과 미끄러짐을 추정하고, 보수적인 경로를 선택하는 방식이다. 반면 굴착, 시료 채취, 도구 결합, 장치 개방, 조립, 수리처럼 접촉이 많은 작업은 다르다. 겉모습만으로는 힘과 물질의 거동을 정확히 추론하기 어렵기 때문이다.

조작 시스템은 탄성, 마찰, 입자 흐름, 마모, 백래시, 도구와 토양의 상호작용, 고장 양상까지 예측해야 할 수 있다. 화성은 지구 중력의 약 0.37~0.38배이고, 대기는 얇으며 대부분 이산화탄소로 이뤄져 있다. 표면은 춥고 건조하며 성질이 서로 다른 표토로 덮여 있다. 333536 NASA 기술 자료는 화성의 건조하고 전기저항이 큰 토양에서 정전기 축적이 문제가 될 수 있으며, 대전된 먼지가 표면에 쌓여 위험을 만들 가능성도 지적한다. 3334

먼지는 단순한 시야 방해 요소가 아니다. NASA 관련 연구에 따르면 로버의 태양광 패널에 쌓인 먼지가 효율을 크게 떨어뜨려 작동 지속 자체를 위협할 수 있다. 34 지형의 외관을 재현하거나 내비게이션 판단을 잘 내리는 시뮬레이터라도, 조작 성공 여부를 좌우하는 힘, 열전달, 먼지의 부착, 부품 열화를 잘못 모델링할 수 있다.

검증 기준은 디지털 화면이 아니라 물리적 결과여야 한다

“시뮬레이션으로 화성 조작을 처리할 수 있다”는 주장을 하려면 그럴듯한 디지털 환경이나 유사 작업의 성공 시연만으로는 부족하다. 결정적인 검증은 모델이 실제 시스템과 아직 보지 못한 조건에서 측정된 결과를 예측하는지 여부다.

확인해야 할 측정값은 다음과 같다.

• 도구가 대상과 접촉할 때의 힘과 토크;
• 토양 종류별 바퀴 미끄러짐, 침하, 견인력;
• 도구와 표토의 상호작용 및 입자 흐름;
• 화성 유사 압력과 온도에서의 열 거동;
• 먼지 부착과 센서 성능 저하;
• 부품 마모, 백래시, 변화하는 마찰 계수;
• 작업 성공, 복구, 실패의 분포.

관련 지형과 환경 상태 전반에서 이런 측정값과 모델이 일치한다는 증거가 나오기 전까지는, 내비게이션 성능을 견고한 접촉 조작의 증거로 간주해서는 안 된다. 그렇다고 시뮬레이션이 쓸모없다는 뜻은 아니다. 시뮬레이션은 현실 데이터로 보정되고, 모델 오차를 지속적으로 점검해야 한다는 의미다.

먼저 측정 장비를 보내는 이유

단계적인 임무는 불확실성의 비용을 낮출 수 있다. 상대적으로 저렴한 센서나 정찰 장비를 먼저 보내 실패를 좌우하는 물리적 매개변수를 측정하는 방식이다. 관측 결과는 환경 모델을 업데이트하고 시뮬레이터의 범위를 제한하며, 어떤 조건이 아직 검증 범위를 벗어났는지 알려준다.

그다음 고성능 로봇을 투입하되, 모델을 만드는 데 사용한 데이터가 아니라 별도로 확보한 측정값을 기준으로 정책을 시험할 수 있다. 운영 중에도 장비가 환경을 계속 측정하게 하면 현실이 모델의 가정에서 벗어나는 순간을 감지할 수 있다.

이 전략은 화성을 디지털 트윈으로 대체하자는 뜻이 아니다. 고위험 임무에서 디지털 모델이 충분히 예측력을 갖도록, 제한적이지만 정밀한 현실 측정을 활용하자는 뜻이다.

조작 능력의 답은 화성보다 지구에서 먼저 나올 수 있다

광산, 해양 플랜트, 원자력 시설, 재난 현장은 화성을 어렵게 만드는 여러 공학적 문제를 공유한다. 정보가 불완전하고, 주변이 위험하며, 불규칙한 물질과 접촉해야 하고, 실수의 대가도 크다. 하지만 화성과 달리 반복 실험, 다수의 센서 설치, 고장 난 장비 회수, 통제된 교란, 신속한 소프트웨어·하드웨어 변경이 가능하다.

이런 환경에서는 다음의 전체 과정을 여러 차례 반복할 수 있다.

1. 환경을 스캔하고 재구성한다.
2. 후보 행동을 시뮬레이션한다.
3. 정책을 학습시키거나 행동을 계획한다.
4. 실제 로봇에 배치한다.
5. 예측 결과와 관측 결과를 비교한다.
6. 모델을 업데이트하고 다시 시험한다.

이러한 현장에서 얻은 증거는 특정 자율성·시뮬레이션 파이프라인이 환경을 바꿔도 견고하게 작동하는지 판단하는 데 도움을 줄 수 있다. 다만 지구의 중력, 대기, 토양, 먼지, 열 조건은 화성과 같지 않으므로 화성 전용 보정이 필요하다는 점은 달라지지 않는다.

51WORLD의 발표가 말해주는 것과 말해주지 않는 것

51WORLD의 공개 설명에 따르면 AperOne은 환경 재구성, 학습, 평가, 배치, 운영을 하나의 순환 과정으로 연결하는 임바디드 AI 응용 플랫폼이다. 공개 보도 중 하나는 광산과 공장을 포함한 여러 현장에서 검증됐다는 회사 측 설명도 전한다. 50

별도로 51WORLD는 물리 기반 AI 학습과 시뮬레이션 응용을 지원하기 위한 상업용 원격탐사 위성 ECS-1 개발을 환톈 인텔리전스와 함께 추진한다고 발표했다. 해당 발표는 양측의 협력 계획을 설명한 것이지, 화성 수준의 시뮬레이션-현실 전이 기반 조작 시스템이 이미 궤도에서 검증됐다는 증거는 아니다. 54

이 발표들은 먼저 더 풍부한 현실 데이터를 수집하고, 활용 가능한 환경 모델을 구축하며, 가장 어려운 임무에 앞서 임바디드 시스템을 시험한다는 단계적 전략과 맞닿아 있다. 그러나 현재 공개 자료만으로는 화성 조작 성능이 독립적으로 입증됐다고 볼 수 없으며, AperOne이 광산 로봇 문제 전반을 해결했다고 결론 내리기도 어렵다. 그런 주장을 뒷받침하려면 작업 단위의 결과, 측정 절차, 실패 데이터, 재현 가능한 비교가 필요하다.

가장 강하게 말할 수 있는 결론

화성은 이미 탑재 자율성이 위험 범위가 정해진 원격 로봇의 생산성을 크게 높일 수 있음을 보여줬다. 퍼서비어런스의 장거리 자율주행은 지구가 모든 동작을 직접 지시하는 방식에서 목표와 제약조건을 정하고 로봇이 현장을 실행하는 감독형 제어로 전환할 가치가 있음을 입증한다. 456

하지만 화성은 아직 시뮬레이션만으로 신뢰할 수 있는 접촉 조작에 필요한 물리 지식을 공급할 수 있다는 점까지 보여주지 않았다. 가장 설득력 있는 경로는 반복적인 검증이다. 먼저 측정하고, 모델을 보정하고, 별도로 확보한 현실 조건에서 예측을 시험하고, 회수 가능한 지구 환경에서 이 과정을 되풀이한 뒤, 고위험 화성 작업에 고성능 로봇을 맡겨야 한다.

그런 의미에서 화성은 단순히 로봇 학습의 ‘기말고사’가 아니다. 시뮬레이션-현실 전이 파이프라인 전체가 실제로 검증됐는지, 아니면 그럴듯하게 보이도록 만들어졌을 뿐인지를 드러내는 환경이다.