NASA 퍼서비어런스 로버, Claude AI로 화성 456m 자율주행 성공

NASA 퍼서비어런스, AI가 화성을 운전한 역사적 순간

2026년 2월, NASA의 퍼서비어런스(Perseverance) 로버가 역사적인 이정표를 세웠습니다. 사람이 아닌 AI가 경로를 계획하여 화성 표면 약 456미터(1,500피트)를 자율 주행한 것입니다. 이번 미션에는 Anthropic의 Claude 4.5 특수 버전이 사용되었으며, 기존 인간 오퍼레이터가 수행하던 경로 계획 업무를 AI가 대체했습니다.

어떻게 AI가 화성을 운전했나?

기존에는 지구의 NASA 제트추진연구소(JPL) 엔지니어들이 로버가 보내온 이미지와 지형 데이터를 수동으로 분석하여 주행 경로를 설계했습니다. 지구-화성 간 통신 지연이 최대 20분에 달하기 때문에, 이 과정은 느리고 비효율적이었죠.

이번에는 비전 기능이 탑재된 Claude AI가 동일한 이미지와 지형 데이터를 분석하여 Rover Markup Language(RML)로 주행 명령을 생성했습니다. AI는 수년간의 미션 데이터를 학습한 상태였으며, 두 차례 주행 세션에서 총 456미터를 성공적으로 주파했습니다.

핵심 기술 스택

비전 AI 분석: 로버 카메라가 촬영한 화성 지형 이미지를 실시간 분석하여 바위, 모래, 경사면 등 장애물을 식별합니다.

Rover Markup Language(RML): AI가 생성한 경로를 로버가 이해할 수 있는 명령어로 변환하는 전용 언어입니다. 기존에는 엔지니어가 수작업으로 작성했죠.

안전 검증 레이어: AI가 생성한 경로는 엔지니어의 최종 검토를 거칩니다. 이번 테스트에서는 "미미한 수정만 필요했다"고 JPL이 밝혔습니다.

왜 이게 중요한가?

JPL의 우주 로보틱스 전문가 반디 베르마(Vandi Verma)에 따르면, AI 자율주행의 목표는 "오퍼레이터 업무량을 최소화하면서 로버가 훨씬 먼 거리를 이동할 수 있게 하는 것"입니다. 현재 퍼서비어런스의 하루 이동 거리는 평균 100~200미터에 불과한데, AI 경로 계획이 도입되면 이를 몇 배로 늘릴 수 있습니다.

또한 AI는 흥미로운 지형이나 암석을 자동으로 플래깅하여 과학 팀이 방대한 양의 로버 이미지를 수동 확인하지 않아도 되게 합니다. NASA 관계자는 "이 기술은 지구에서 멀어질수록 더 큰 가치를 발휘할 것"이라고 평가했습니다.

개발자 관점에서 보는 시사점

1. 멀티모달 AI의 실전 적용

이번 사례는 텍스트와 이미지를 동시에 처리하는 멀티모달 AI가 실제 미션 크리티컬한 환경에서 사용된 첫 사례 중 하나입니다. 채팅봇이 아닌, 물리적 결과를 만들어내는 AI 활용의 좋은 레퍼런스입니다.

2. AI + 도메인 특화 언어(DSL)

RML이라는 전용 마크업 언어를 AI가 생성하는 구조는, 우리가 개발에서 자주 만나는 "AI + 코드 생성" 패턴과 동일합니다. Terraform, Kubernetes YAML, SQL 등 도메인 특화 언어를 AI가 생성하는 워크플로우가 점점 일반화되고 있죠.

3. Human-in-the-loop 설계

AI가 100% 자율로 작동하지 않고, 인간 엔지니어가 최종 검증하는 구조는 안전이 중요한 시스템에서 AI를 도입하는 모범적인 패턴입니다.

앞으로의 전망

NASA는 이 기술을 향후 달 탐사 로버와 화성 샘플 반환 미션에도 적용할 계획입니다. 화성보다 더 먼 행성을 탐사할 때는 통신 지연이 수 시간에 달하기 때문에, AI 자율주행은 선택이 아닌 필수가 될 것입니다. AI가 단순히 코드를 작성하는 것을 넘어, 다른 행성의 로봇을 운전하는 시대가 이미 시작되었습니다.