A satellite just learned to find things on its own — here’s what that means

개요

지구 관측 위성이 최초로 인간 분석가 없이 스스로 탐색 대상을 발견하는 데 성공했으며, 이는 궤도상에서 Vision-Language Model (VLM)을 활용한 최초의 사례입니다.

주요 내용

* YAM-9 위성의 VLM 활용: Loft Orbital의 YAM-9 위성에 탑재된 NASA JPL의 NAVI-Orbital 소프트웨어 패키지가 Google DeepMind의 Gemma 3 VLM을 이용하여 자연어 질의에 응답하며 관심 영역을 식별했습니다.
* VLM의 기능: VLM은 대규모 언어 모델의 맥락 이해 능력과 이미지 분석 능력을 결합하여, 자연 환경과 인간 개발 지역의 경계를 분류하거나 철도 허브 주변의 인프라를 식별하는 등의 임무를 수행했습니다.
* 실시간 데이터 처리 및 분석 효율 증대: 궤도상에서 초기 데이터 선별 작업을 수행함으로써 지상 분석가에게 전달되는 원시 데이터의 양을 줄여 위성 센서의 유용성을 크게 향상시킬 수 있습니다.
* 향후 AI 인프라 구축 가능성: 본 시연은 궤도상에서 대규모 AI 인프라를 운영하기 위한 가능성을 보여주며, '지속적으로 감시하는' 공간 레이어를 구축하고 위성과 상호작용하는 로직을 구현할 수 있습니다.
* 기술적 구현: Gemma 3 VLM은 엣지 애플리케이션용으로 설계되었으며, NASA JPL은 라이브러리와 메모리 요구량을 줄이기 위해 소프트웨어를 간소화했습니다. YAM-9에는 Nvidia Jetson Orin AGX GPU가 탑재되었습니다.
* 업계 동향: Planet Labs는 Jetson Orin 프로세서를 사용한 AI 연구를 진행 중이며, Kepler Communications는 궤도상 GPU 환경에 대한 여러 비공개 사용 사례를 언급했습니다.
* 미래 비전: 50~100개의 YAM-9과 유사한 위성으로 구성된 위성군을 통해 지구 전체의 실시간 커버리지를 보장하는 것을 목표로 하며, 이는 우주에서의 전력 및 메모리 관리와 같은 실질적인 영역의 AI 인프라 구축에 대한 교훈을 제공할 것입니다.
* 우주 탐사에서의 활용: 우주 비행사를 위한 디지털 비서 개발 아이디어에서 시작되었으며, 복잡한 임무 수행 중에도 상호작용 가능한 AI 지원을 제공하는 것을 목표로 합니다.

시사점

이번 VLM의 궤도상 독립적 탐색 성공은 우주 기반 센서의 활용도를 혁신적으로 높이고, 미래의 우주 AI 인프라 구축 및 우주 탐사를 위한 새로운 도구 개발의 길을 열었습니다.