미공군과 MIT가 'Jam'을 이용해 항공기 비행에 성공했다.

미 국방부 최초로 AFRL(공군연구소)과 MIT(매사추세츠 공과대학) 연구원들이 MagNav라고 불리는 AI 강화 자기 항법 기능을 성공적으로 시연했습니다.

지구 자기장의 변화를 이용해 항해하는 첨단 기술은 전파 방해나 스푸핑이 어려워 공군에 꼭 필요한 도구다. MagNav의 성공은 잠재적으로 항공기, 잠수함, 드론, 초음속 활공 차량을 포함한 다양한 군사 및 민간 플랫폼에 시스템을 구현하기 위한 첫 번째 중요한 단계입니다.

GPS(Global Positioning System)가 군용 및 민간 비행사 모두를 위한 믿을 수 없을 정도로 정확하고 효과적인 항법 도구가 되면서 조종사는 점점 더 기술에 의존하게 되었습니다.

단일 시스템에 대한 이러한 과도한 의존도는 GPS 네트워크가 특히 공격에 취약하다고 생각하는 군 지휘관을 걱정하게 합니다. 실제로 이러한 의존성은 공군기동사령부의 마이크 미니한(Mike Minihan) 장군에 의해 국가의 적들이 악용할 수 있는 4가지 중요한 역량 격차 중 하나로 확인되었습니다.

GPS에 대한 의존도를 줄이기 위해 AFRL은 MIT 및 MIT Lincoln Laboratory의 사람들과 협력하여 자기 내비게이션 개념과 AI의 고급 기계 학습 기술을 결합하는 것이 실용적인 대안인지 확인했습니다. MagNav라고 불리는 개념 시스템에 대한 최초의 실시간 기내 테스트에서 정점을 찍은 그들의 작업은 AI로 강화된 자기 항법이 가능할 뿐만 아니라 GPS에 비해 몇 가지 중요한 이점을 제공한다는 것을 보여줍니다.

잠재적으로 혁명적인 MagNav 개념을 테스트하기 위해 AIA(인공 지능 가속기) 산하에서 운영되는 AFRL 및 MIT 팀은 캘리포니아의 Travis 공군 기지에 배치된 C-17A Globemaster III에 맞춤형 장비를 설치했습니다.

공군의 보도 자료에 따르면 자기 내비게이션 시스템은 "AIA의 보정 및 위치 지정 신경망을 통해 AI와 기계 학습의 힘을 활용했으며, 이는 시중에서 판매되는 노트북에서 비행 중 몇 분 만에 훈련되었습니다."

이렇게 빠르게 학습할 수 있는 시스템의 능력은 수십 년 동안 지구 자기장의 매우 상세한 지도를 수집하여 연구원과 엔지니어에게 MagNav 시스템 구축을 위한 기본 데이터 세트를 제공한 덕분입니다. 물론, 지구 자기장은 지속적으로 변화하고 있으며, 항공기 자체도 광범위한 자기 간섭을 경험합니다. 시스템은 자기 신호와 소음을 분리하는 기계 학습에 의존합니다.

이를 위해 공군은 MagNav 팀이 오픈 소스 소프트웨어 라이브러리를 통해 데이터를 제출하는 전 세계 기여자들이 참여하는 Magnetic Navigation Open Challenge를 통해 글로벌 협업을 활용했다고 밝혔습니다. 보도 자료에 따르면 "이번 협력은 항공기에서 발생하는 자기 잡음을 제거하여 알려진 자기 지도와 비교하여 위치를 도출하는 AIA의 신경망 아키텍처를 개선했습니다."

불행하게도 MagNav 시스템의 정확성을 유지하기 위해 자기장 데이터를 지속적으로 업데이트하고 강화해야 한다는 점과 AI가 필터링해야 하는 자기 소음이 약점으로 지적됩니다. 또한 C-17에서 테스트한 시스템은 약 1km의 정확도를 보였습니다. 이는 항공기를 목표 목적지로부터 몇 피트 이내로 이동할 수 있는 보다 정확한 GPS에 비해 상당한 다운그레이드입니다.

그럼에도 불구하고 MagNav 팀은 대부분의 임무에서 시각적 탐색이나 랜드마크 인식과 같은 기존 도구가 인계받아 항공기를 최종 목적지로 안내하기 전에 1km 이내로 탐색하는 것만으로도 충분하다고 지적합니다.

아마도 자기 내비게이션의 가장 중요한 장점은 특히 상당한 거리에서 재밍이나 스푸핑이 사실상 불가능하다는 사실일 것입니다. 또한 GPS와 달리 시스템은 표적이 되거나 방해를 받을 수 있는 위성이나 통신 장비 등이 아닌 항공기에 탑재된 장비에만 의존합니다.