.webp)
.webp)
구축함(DDG). 호위함(FFG). 항공모함(CVN). 현대의 미 해군은 고도로 발전된 역사상 가장 작은 규모의 함대들로 구성되어있으며, 이들은 세계의 해역을 순찰하며 해상 우위를 확보하고 적대적 행동을 억제합니다. 미 해군은 이러한 유산 플랫폼을 교체하는 데 필요한 초현실적 비용과 긴 시간 때문에 분산된 무인 자산을 함대에 추가하는 '하이브리드 전력'으로 전환하고 있습니다.
이러한 전환은 실제로 무엇을 의미할까요? 중형 무인 표면 선박(USV)을 예로 들어보겠습니다. 10척의 중형 USV 함대는 DDG의 미사일 능력을 맞출 수 있습니다. 하지만 이 능력이 분산되어 있기 때문에 적군은 위협을 제거하기 위해 최소 10배 이상의 공격이 필요합니다. 유인 구축함과 달리, 무인 표면 선박(USV)을 잃더라도 선상 승무원은 위험에 처하지 않습니다.
유인 및 무인 플랫폼의 결합은 하이브리드 함대라고 불리며, 이러한 새로운 전력 설계는 로봇 시스템과 유인 시스템 간의 새로운 형태의 협력을 요구합니다. 안전한 환경 및 경쟁적 환경 모두에에서도 탄력성을 유지해야 하는 통신 및 의사결정 알고리즘은 해결해야 할 중요한 소프트웨어 정의 과제를 제기합니다.
이번이 블로그에서는 “협업 자율성”이라고 불리는 소프트웨어 정의 협업에 대해 살펴보고, 시뮬레이션이 무인 시스템을 함대 운영에 테스트, 통합, 확장하는 데 핵심적인 역할을 하는 방식을 다룰 예정입니다.
협업 자율성의 과제
협업 자율성은 표면상으로는 간단해 보이지만 실제로는 매우 어려운 과제입니다. 위의 무인 표면 선박 (USV) 예시에서 볼 수 있듯이 분산된 무인 부대는 본질적으로 확장 요소를 내포하고 있습니다. 그러나 함대의 규모가 커질수록 모든 이동체들이 협업하도록 하는 것은 지수적으로 어려워집니다. 왜 그럴까요?
자율 함대는 무선 통신 본질상 불완전한 데이터 링크 네트워크로 연결된 분산 시스템입니다. 특정 시점에서 각 이동체들은 통신 지연이나, 대역폭 제한, 연결 끊김, 또는 적대적 영향으로 인해 주변 환경과 다른 이동체에 대한 부분적인 지식만을 가질 수 있습니다. 자율이동 소프트웨어는 완벽한 상황 인식을 신뢰할 수 없기 때문에, 개발자들은 불확실성 하에서 결정을 내릴 수 있는 엄격한 능력을 내장해야 합니다. 조건이 변할 때 소프트웨어는 불완전하거나 잠재적으로 충돌하는 정보를 통해 추론해야 합니다.
이러한 함대를 대규모로 테스트하는 것은 지수적 난이도 곡선과 유사함을 보입니다. 새로운 이동체나 공급업체를 추가할 때마다 통합 부담과 O(n²) 개의 통신 경로가 발생하며, 여기서 n은 통합되는 이동체의 수입니다. 소프트웨어 버그나 API 불일치는 전체 조정 과정에서 빠르게 병목 현상이 될 수 있습니다. 또한, 수십 대의 이동체를 동시에 테스트하는 데 필요한 재정적 및 인력 비용은 자금력이 가장 풍부한 조직을 제외하고는 부담하기 어려운 수준입니다.
마지막으로, 현장 테스트는 고정된 제약 조건에 의해 제한됩니다. 이는 테스트 시간대, 명확한 기상 조건, 최대 해상 상태, 그리고 회피해야 하는 상업용 해상 교통량 등이 포함됩니다. 테스트 조건이 너무 엄격해져 엔지니어와 운영자 팀이 원격 테스트 현장에서 할 일이 없어 지체되는 경우가 드물지 않습니다. 이는 비용이 많이 드는 지연입니다.
자금 문제가 없더라도, 실제 테스트의 피드백 루프를 통해 소프트웨어를 반복 개선하는 것은 빠르게진화하는 위협을 따라잡기에는 너무 느립니다. 그렇다면 테스트를 디지털 우선 접근 방식으로 전환하기 위해서는 무엇이 필요할까요?
해양 환경에서의 멀티 도메인 자율성 모델링
무인 표면 선박(USV)에서 자율성을 테스트하기 위해 해양의 디지털 트윈을 개발하려면 광범위한 특징 공간을 고려해야 합니다. 자율성을 위한 현실적인 운동 및 의사결정은 선박 수준과 회전식 팬 틸트(pan-tilt) 카메라와 같은 개별 페이로드 수준에서 모두 계산됩니다.
아래 표는 무인 표면 선박(USV)에서 협업 자율성을 테스트하기 위해 필요한 시뮬레이션 특징의 비고갈적 목록을 보여줍니다.
이러한 긴 현상 목록을 모델링하는 것 외에도, 모든 현상을 초고속 또는 거의 실시간으로 계산하는 것 또한 필수적인 도전과제입니다. 온보드 자율주행 소프트웨어는 일반적으로 입력 데이터를 처리하고 결정하며 행동을 취하는 데 밀리초 단위의 시간이 주어지기 때문에, 그 시뮬레이터는 동일한 속도로 데이터를 생성해야 합니다. 실시간 성능을 유지하지 못하면 결과물이 운영 현실을 반영하지 않을 수 있습니다. 수력학적 효과, RF 전파, 센서 성능 저하의 실시간 생성은 디지털 자율주행 개발의 필수적이지만 극히 어려운 측면입니다.
이러한 모든 구성 요소를 구축하려면 다양한 전문지식을 가진 팀이 필요합니다. 예를 들어, 수력학자는 파력 및 선박 운동을 모델링해야 합니다. 센서 모델링 팀은 안개가 열화상 카메라의 대비를 감소시키고 라이다 반사 신호를 약화시킨다는 것을 검증해야 합니다. 3D 콘텐츠 아티스트는 정확한 레이더 반사 면적을 갖춘 항구, 해안선, 선박을 구축합니다. 시뮬레이션 엔지니어는 모든 요소를 단일 고성능 제품에 통합하여 시뮬레이션을 설계, 실행 및 분석할 수 있는 사용자 친화적인 인터페이스를 제공합니다. 이는 결코 쉬운 일이 아닙니다.
듀얼 유스 기술: 실현 가능한 시뮬레이션으로의 길
사실, 핵심 시뮬레이션 기술—실시간/초고속 시뮬레이션 엔진, 특정 설계에 맞게 조정 가능한 일반적인 센서 모델—은 해상 및 도로 자율주행과 같은 다양한 분야에서 대부분 동일합니다. 위에서 설명된 핵심 기능의 많은 부분이 다른 분야와 유사점을 가지고 있음을 고려해 보세요:
무인 시스템에 적용되는 두 가지 매우 다른 분야 간의 유사한 기능 예시
이러한 도전 과제들은 해양에만 한정된 것이 아니기 때문에, Applied Intuition은 몇 주 만에 무인 표면 선박(USV)을 현실적으로 시뮬레이션하는 초기 솔루션을 개발할 수 있었습니다. Applied Intuition은 다양한 분야에 전략적으로 투자하고있기 때문에, 하나의 사용 사례를 위해 개발된 기능은 종종 다른 사례에서도 원활하게 적용됩니다. 물론 수력학 및 연안 환경과 같은 새로운 측면이 있지만, 핵심 요구사항과 인프라는 동일합니다. 고충실도 환경 모델링, 정확한 센서 시뮬레이션, 자율주행 스택과 동기화되는 실시간 성능, 모두 친숙한 API 및 인터페이스를 통해 제공됩니다.
Axion은 바로 그 솔루션으로 Applied Intuition이 자동차, 트럭, 광업, 건설, 농업 등 중공업 분야의 상업 고객을 가속화하기 위해 사용하는 동일한 시뮬레이션 기술을 기반으로 구축되었습니다. Axion은 USV 자율성을 테스트하기 위해 확장되었으며, 자동화된 목표 인식(ATR)과 같은 핵심 서브모듈부터 USV와 UAV가 함께 미션 명령을 실행하는 엔드투엔드 협업 자율성 스택까지 포함합니다.
Axion 사용자는 페이로드 (탑재물) 또는 플랫폼 수준에서 자율이동 기능을 통합할 수 있으며, 단일 테스트 내에서 여러 이동체에 대한 다양한 소프트웨어 패키지를 포함할 수 있습니다. 시뮬레이션은 데스크톱 환경에서 임시로 구축 및 실행될 수 있으며, GPU 지원 서버 랙을 통해 24/7 회귀 테스트로 확장될 수 있습니다.
해상용 자율이동 시스템인 Axion은 이미 Saronic과 Scientific Systems Inc를 포함한 주요 해상 자율이동 기업들, 미국 해군, 국방부 혁신 단위(DIU), 국방부 내 데이터 및 AI 담당 사무소(CDAO) 등에서 채택되었습니다.
협동 자율성이 발전함에 따라 주된 챌린지는 이제 복잡한 하드웨어-소프트웨어 통합으로 이동할 것입니다. 새로운 USV 클래스, 크로스 도메인 팀워크, 실시간 통신 계층은 이러한 시스템이 현실적이고 스트레스가 많은 조건에서 상호작용하는 방식을 지속적으로 반복하고 평가한 후에야 성공할 수 있을 것입니다.
결정적인 요소는 빠른 시스템 통합이며, 시뮬레이션은 통합을 위한 필수적인 도구입니다. 가장 빠르게 통합하고 적응할 수 있는 측이 승리할 것이며, 디지털 우선 평가 프레임워크는 현대 전장의 속도에 맞는 피드백을 얻는 유일한 길입니다.
