국방 자율성: 전장으로 간 SDV

자동차에서 시작된 혁명이 전장으로 넘어왔다. 그리고 그 무기는 총이 아니라, 소프트웨어다.
테슬라에서 시작된 소프트웨어 정의 혁명이 이제 국방 분야로 확장되며, 차량과 무기체계가 OTA·플릿 학습·시뮬레이션 기반으로 진화하는 ‘살아있는 시스템’이 되고 있다. 어플라이드 인튜이션은 민간 자율주행 개발 생태계를 국방에 이식하며, Axion(자율성 생애주기 툴체인)과 Acuity(AI 전술 자율 스택)를 통해 대규모 자율 무기·플릿 운용을 가능하게 한다. 목표는 단순 자동화가 아니라, 현장에서 지속 개선되고 인간이 기꺼이 맡길 수 있는 신뢰 기반 국방 자율성, 즉 인간과 AI가 협업하는 새로운 전장 패러다임이다. 어플라이드 인튜이션의 제이슨 브라운 국방총괄과 만났다. 

글 | 한상민 기자_han@autoelectronics.co.kr
IN ENGLISH

자율성: 신뢰가 진짜 무기가 될 때 


소프트웨어는 자동차를 바꾼 뒤 지금 ‘전장’을 다시 쓰고 있다. 
10년 전 도로에서 시작된 자율주행과 테슬라의 소프트웨어 정의 개념은 자동차란 기계를 완성된 제품에서 ‘살아있는 시스템’으로 바꿔놓았고 이제 전장으로 가고 있다. 코드와 데이터가 차량의 운명을 결정하고 하룻밤 사이 기능이 진화하며, 주행 데이터가 다시 알고리즘이 되어 돌아오는 것. 모델링 - 시뮬레이션 - 데이터 수집 - 검증 - OTA - 플릿 학습이란 순환이 육상, 그리고 하늘과 바다의 전장으로 옮겨가고 있다.
어플라이드 인튜이션(Applied Intuition).
안전한 AI 기반 기계의 전 세계적인 도입을 가속화하는 차량 인텔리전스 기업은 2017년 설립 이후 고객이 인텔리전트 차량을 빠르게 개발 출시할 수 있도록 OS, 자율주행 시스템(SDS), 개발도구체계를 제공하면서 글로벌 상위 20대 OEM 중 18곳에 그들의 솔루션을 제공하고 있다. 그리고 그들의 솔루션은 미 국방부 주요 프로그램에 도입됐다.  
10월 말 방한한 어플라이드 인튜이션의 제이슨 브라운(Jason M. Brown) 국방총괄, 그리고 DARPA ACE 프로그램을 이끌었고 현재 어플라이드 인튜이션에 통합된 에피사이(EpiSci)의 CTO 댄 자보르섹(Dan ‘Animal’ Javorsek)은 각기 다른 자리에서 자동차에서 방위산업으로 이어진 소프트웨어 정의 개념과 안전한 AI에 대해 같은 방향의 이야기를 전했다. 브라운 총괄이 강조한 것은 전장에서의 OTA, 그리고 AI가 빠르고 올바르게 학습하고 개선되기 위한 데이터와 프로세스의 체계, 자보르섹 CTO는 “전투원이 기꺼이 맡길 수 있는 AI인가?”란 질문과 함께 국방 AI의 본질을 신뢰에서 찾았다.  
지속적으로 학습하고, 현장에서 진화하며, 인간이 믿고 사용할 수 있는 체계. 이것이 바로 어플라이드 인튜이션이 정의하는 “국방의 자율성(Defense Autonomy)”이다.



전장으로 가는 SDV 

10월 28일 공군호텔에서 개최된 ‘신뢰성 AI기반의 한국형 유무인체계(MUM-T) 발전 국제세미나’와 하루 전 인터뷰에서 제이슨 브라운 국방총괄과 ‘소프트웨어가 전장의 경쟁 방식을 어떻게 혁신하고 있는가’에 대해 논의했다. (브라운 총괄은 미 공군에서 26년간 복무한 베테랑으로 한국과 인연이 깊다. 1995년부터 1999년까지 오산공군기지에 배치됐고, 이 후 정보장교로서 조직을 지휘했었다. 그의 할아버지는 한국전쟁 참전용사다. 그래서 대한민국의 방위는 그에게 개인적인 이슈이기도 하다.)

“복무 시절, 제복을 벗은 후에도 국방기술의 놀라운 발전을 봐왔습니다. 지금 우리가 겪는 변화는 소프트웨어가 정의하는 혁명입니다. 러시아-우크라이나 전쟁을 통해 소프트웨어가 얼마나 전쟁의 승패에 영향을 미치는지 깨달으면서 국방의 소프트웨어 개발 역량에 대해 많은 관심을 갖게 됐습니다. 그런데 이 소프트웨어 정의 혁명은 어디서 시작됐을까요? 테슬라입니다. 어플라이드 인튜이션의 방위사업의 시작도 자동차입니다. GM과 지상 전술차량에 소프트웨어를 접목하는 것에서 시작됐습니다.” 브라운 총괄이 말했다.

테슬라와 오토파일럿. 자동차가 공장을 떠난 뒤에도 기능과 성능이 개선되는 자동차 산업의 혁명. 하룻밤 사이 소프트웨어 업데이트로 단순 기계 제품이던 자동차는 살아 움직이며 진화하는 시스템이 됐고, 이제 이를 국방 커뮤니티가 주목하고 있다.

“어플라이드 인튜이션은 소프트웨어 정의 시스템이란 발상에서 출발했습니다. 이는 경쟁 우위의 원천이 하드웨어가 아니라 소프트웨어와 데이터임이 입증됐기 때문입니다. 특히 이 혁신은 차량의 내부 소프트웨어에 국한되지 않습니다. 대규모 플릿이 학습하고 대규모로 업데이트되는 생태계 전체에 대한 것입니다. 이것이 기존의 차량 개발 방식을 바꿨습니다.”

과거 OEM은 하드웨어와 소프트웨어를 공급업체로부터 블랙박스 형태로 함께 구매했다. 이에 따라 통합이란 이슈 하나하나에 막대한 노력이 필요했다. 몇 달에 한 번 새 기능을 추가하거나 버그를 수정하려면 대대적 재작업이 필요했다. 소프트웨어 업데이트는 드물고, 비용이 많이 들고 위험한 데다 OEM은 자체적인 통제권이 거의 없었다.
소프트웨어 정의 모델에서는 하드웨어와 소프트웨어의 의사결정이 분리된다. OEM은 차량 전체 소프트웨어 스택을 지배하는 단일 코드 저장소에 접근해 소프트웨어의 업데이트는 하루에도 몇 번씩 일어날 수 있다. 업데이트는 신속히 만들어지고, 시뮬레이션으로 사전 테스트되며, 하룻밤 사이 수백만 대 차량에 배포될 수 있다. 비용과 시간은 급격히 감소했다. 

“가장 중요한 점은, OEM이 더 이상 외부 벤더의 역량에 의존하지 않고 자신들의 소프트웨어 운명을 스스로 소유하게 된 것입니다. 국방도 이를 배워야 합니다.”


  국방 자율성의 차이:
Axion과 Acuity 

하드웨어와 소프트웨어의 분리, 통합 루프와 주도권, 연속적 업데이트. 바로 이것이 브라운이 말한 자율성 무기체계의 원리다. 
브라운 총괄은 “함정, 항공기, 지상전투차량 등 하드웨어는 이미 수십 년을 버팁니다. 그래서 경쟁 우위는 그 안에서 진화하는 소프트웨어에서 옵니다. 민간의 자율주행은 이미 이것이 가능할 뿐 아니라 증명되고 있습니다. 어플라이드 인튜이션이 강조하는 ‘자율성 생애주기(autonomy lifecycle)’가 바로 이에 대한 것입니다”라고 말했다.

지난 10년간 민간의 자율주행은 국방이 배워야 할 성숙한 자율성 생태계를 구축해왔고 이는 자율성 생애주기를 가능케하는 도구집합에서 출발하는데, 그것이 바로 어플라이드 인튜이션이 국방용으로 전환한 ‘Axion’이란 툴 체제다. 여기에는 특히 가상환경에서의 시뮬레이션이 포함돼, 초고충실도 시뮬레이터에서 하루 수백만 마일의 임무를 수행함으로써 AI 모델을 실제 배치 이전에 대규모 테스트·훈련·검증을 할 수 있게 한다. 또한, 라이다, 레이다, 카메라 등에서 나온 센서 데이터를 수집·라벨링·정제하기 위한 데이터 관리 및 라벨링 파이프라인 툴 집합, OTA를 위한 CI/CD(연속적 통합·배포), 시험·평가, 현장 모니터링 시스템이 포함돼 배치된 차량의 데이터를 시스템으로 다시 피드백해, 모델 재학습과 신뢰성 보증을 위한 반복 루프를 이룬다. 

“자율성은 에지케이스(edge case) 전반에 걸쳐 지속적으로 검증되고, 파이프라인은 시험·평가를 개발에 내재화합니다. 이런 도구들이 함께 연속되는 학습의 피드백 루프를 이룹니다. 이것이 바로 자율성의 핵심입니다.”

한편, Acuity는 자회사인 국방, 항공우주, 무인체계 분야 전술 AI 및 자율성 솔루션 스페셜리스트 에피사이의 기술을 활용해 어플라이드 인튜이션이 만든 ‘AI 자율주행/자율전투 소프트웨어 스택’으로, 머신이 실제에서 현실을 인식 → 판단/계획 → 제어 → 통신하고 함께 움직이게 하는 실제 두뇌다. 







“민간부문에서는 대체로 이 스택이 한 대의 차량 내부에서 작동하지만, 국방에서는 플릿·다영역·지휘구조 전반에서 작동해야만 합니다. 이게 민간과 국방 자율성의 큰 차이입니다. 국방 자율성은 전혀 다른 도전과제에 직면해 있습니다. 이것이 Axion과 Acuity를 설계할 때 고려한 요소입니다.” 브라운 총괄이 설명했다.

예를 들어, 민간의 자동차 산업과 국방 자율성을 비교하면, 데이터, 인프라, 운용 제약에서 두 환경은 크게 다르다. 민간의 자율성 개발은 초대형 데이터센터에서 이뤄진다. 이런 시스템은 광섬유로 연결되고, 수천 명의 엔지니어가 뒷받침한다. 반면 국방 자율성은 에지에서 오프라인으로 개발자 없이 작동해야 한다.  데이터 측면에선, 민간기업은 자율주행을 위해 페타바이트급 데이터를 생산·처리해야 한다. 하지만 국방에서는 종종 한 대의 항공기나 함정에서 수집된 기가바이트에서 테라바이트급 데이터를 다루는 동시에 때로는 노트북이나 보안시설에서 처리한다. 또 민간 시스템은 레이다·라이다·카메라 등 수십 개의 센서를 쓰지만, 국방 플랫폼은 특히 저가의 소모형 시스템일수록 소수 센서만 탑재하기 때문에 도전은 자율성을 개발하는 것 자체가 아니라, 제한적이고 불규칙한 데이터로 그것을 해내는 데 있다. 모델 시험과 배치도 큰 차이다. 

“민간 자율주행은 99.9% 정밀도, 수십억 개의 에지케이스와 같은 엄격한 지표로 운용되지만, 국방에서는 운용자가 더 빠르고 더 나은 결정을 내리는 데 도움이 된다면 60%의 정확도도 충분할 때가 있습니다. 즉, 우리는 차가 차선을 완벽히 유지하도록 하려는 식이 아니라, 드론, 함정, 로봇이 불완전한 정보 속에서도 역동적인 전장을 뚫고 나가도록 돕는 데 있습니다. 국방은 완벽성이 아니라 견고성(robustness)과 적응성(adaptability)을 목표로 합니다.”

민간의 자율성은 항상 온라인이며 클라우드에 연결돼 있지만 국방은 전술적 에지에서 오프라인으로, GPS가 차단되고 네트워크가 제약된 적대적인 환경에 놓인다. 따라서 소프트웨어는 클라우드 연결 없이 작동해야 하고, 로컬에서 사고할 수 있어야 한다. 마지막으로 사용자도 다르다. 민간 자율성은 사무실의 엔지니어를 지원한다고 말할 수 있는 반면, 국방 자율성은 분석가·운용자·전투원을 지원한다. 

“그들은 데이터로 가득한 대시보드가 아니라 명확하고 신뢰할 수 있는 실시간 출력을 원합니다. 민간의 AI가 자율성의 토대를 만들었다면, 국방은 연결이 불확실하면서, 인간의 생명이 신뢰와 명료성에 달린 세계에 맞게 이를 적응시켜야 합니다. 이런 시스템은 러기드하고, 모듈형이며, 자급자족해야 합니다. 포연 속에서도 개선되는 소프트웨어여야 합니다. 따라서 국방 버전의 자율성 생애주기는 실리콘밸리의 민첩성과 전장의 회복력을 결합한 설계가 돼야 합니다. 그리고 대규모 자율성을 가능케 하는 요인을 봐야합니다.”



시연에서 우위로

“미국과 대한민국을 포함한 전 세계 군대는 여전히 소규모의 정교한 시스템을 운용하는 경향이 있습니다. 각 플랫폼은 맞춤 제작, 광범위한 시험, 수작업 통합을 거칩니다. 하지만 그 모델은 수십 년 동안 잘 작동해 왔지만, 협업 체계, 즉 협력하는 항공기·함정·차량 플릿에서는 완전히 다른 것이 필요합니다. 그것은 대규모로 배치·시험·개선될 수 있는 소프트웨어를 요구합니다.”

브라운 총괄이 국방 자율성의 확장과 운영 모델 변화에 대해 말하기 시작했다. 
민간은 이미 이 문제를 해결했다. 신뢰할 수 있는 자율성을 위해 민간 프로그램들은 매일 수천만 마일의 시뮬레이션 주행을 수행한다. 시뮬레이션은 희귀하고 위험한 에지케이스를 안전하게 탐색하게 해 준다. 그런 다음 실세계 데이터로 결과를 검증하는 루프를 만든다. 이렇게 해서 배치 이전에 신뢰를 구축한다. 시스템은 새로운 플랫폼을 기다려 능력을 얻는 대신 플랫폼 자체로서 진화한다.

“테슬라·웨이모 등이 기본적인 차선 유지에서 완전 자율주행을 위한 형태로 간 것은 반복(iteration)의 결과입니다. 이 모든 것은 데이터에 달려 있고 엄청난 양입니다. 데이터로 표적 인식 보조(ATR) 모델, 지각 알고리즘, 계획 행동을 정제해 각 소프트웨어 업데이트마다 시스템을 더 똑똑하게 합니다. 더 많은 데이터를 수집할수록 더 빨리 학습합니다.” 브라운 총괄이 말했다.

국방의 대규모 자율성도 같은 맥락에 있다. 몇 개의 정교한 시제품이 아니라, 지속적으로 개선되는 플릿이 중요하다. 그러면서 수상 무인정, 드론, 지상 로봇이 함께 작전하며 각 임무에서 학습하고 밤마다 업데이트하며 전력 전체에 교훈을 공유해야 한다. 그리고 이런 방식으로 시연(demonstration)에서 우위로 이동해야 한다.
“동맹들이 진정한 협력 자율성을 가능케 하는 소프트웨어 생태계를 함께 구축하는 게 중요합니다. 대규모 자율성은 기술적 개념만이 아닙니다. 그것은 국방의 새로운 운영 모델이자 데이터와 소프트웨어를 21세기의 결정적 무기로 취급하는 모델입니다.”



인간과 기계의 팀워크 

소프트웨어 정의 시스템의 진정한 가치는 무엇일까. 소프트웨어 우선 접근은 시스템을 만드는 방식만 바꾸지 않는다. 그 혜택을 누리는 주체도 바뀐다. 즉 통합자(완성차·국방조직)와 최종 사용자(장병) 모두에게 변화를 준다.
첫째는 비용 절감과 단순화다. 컴퓨팅을 중앙집중화하고 하드웨어와 소프트웨어를 분리하면, 하드웨어 복잡성과 통합 비용을 최대 10배 줄일 수 있다. 물리적 구성품을 다시 설계하는 대신 기존 하드웨어에 새 소프트웨어를 푸시하면 된다. 더 빠르고, 더 싸고, 유지도 쉽다.
두 번째는 모듈성이다. 소프트웨어 정의 아키텍처는 각 하드웨어의 구체성을 추상화한다. 즉, 센서·프로세서·무전기를 전체 코드를 다시 쓰지 않고 교체할 수 있다. 군사 맥락에서 이는 매우 결정적으로, 플릿 전체에 걸쳐 센서나 페이로드를 신속히 업그레이드하면서도 전 시스템 재인증을 피할 수 있다.
세 번째는 기동성이다. 소프트웨어 정의 차량에서 업데이트는 타깃팅 알고리즘, 내비게이션 모델, 통신 모드 같은 깊은 층까지 며칠 내 현장에 투입된다. 이는 상대가 쉽게 따라 하지 못하는 능력, 더 빠르게 진화하는 힘을 준다. 네 번째는 성능이다. 단순화된 중앙집중 소프트웨어 아키텍처는 플랫폼 전반에서 컴퓨트 자원 배분을 더 잘 하게 한다. 전장에서 전력·대역폭 제약이 있어도 더 신뢰할 수 있는 성능과 더 나은 관리를 가능케 한다.
다섯째는 ‘신뢰’다. AI의 가치는 운용자가 부여하는 신뢰만큼이다. 연속 업데이트는 하드웨어 교체 주기를 기다리지 않고 더 안전하고 더 신뢰할 수 있는 모델을 준비하는 즉시 전장에 푸시하게 해준다. 그 지속적 진화는 운용자들이 개선되는 것을 직접 보기 때문에 신뢰를 구축한다. 그리고 마지막은 유무인체계(MUM-T)다.

“소프트웨어 정의 시스템은 시뮬레이션과 랩, 그리고 실제 현장에서 복잡한 인간기계 상호작용을 반복적으로 시험하게 해 줍니다. 실제 작전을 방해하지 않고 말입니다. 그렇게 우리는 인간과 기계의 혼성팀을 단순 상호운용 수준이 아니라 진정한 협업으로 만듭니다.”


 

AEM(오토모티브일렉트로닉스매거진)

---