우주에서 AI로 지구 이미지 처리 기술 개발

Planet Labs는 Pelican-4 위성에 NVIDIA Jetson ORIN GPU 모듈을 탑재하여 우주에서 직접 AI 이미지 분석을 수행하는 기술을 18개월 만에 상용화 단계까지 끌어올렸다. 핵심은 16,000 픽셀 규모의 위성 이미지를 온보드 GPU에서 0.5초 만에 처리해 항공기 같은 객체를 자동 분류하고, 결과를 수 분 내에 지상 사용자에게 전달하는 구조다. 기존에는 위성에서 수집한 30TB/일의 데이터를 지상국으로 다운링크해 클라우드에서 보정·분석하는 데 6~12시간이 걸렸지만, 온보드 추론은 이 지연을 극단적으로 줄인다. 다만 우주 환경에서는 위성의 진동·흔들림으로 인해 보정되지 않은 원시(raw) 데이터를 그대로 다뤄야 하므로, 지상 환경에서 학습·평가된 모델을 그대로 쓸 수 없고 노이즈와 기하학적 왜곡에 강건한 모델 설계가 필수다. 현재 검출 신뢰도는 80% 수준이며, 차기 모델에서 95% 이상을 목표로 하고 있다.

엔지니어 관점에서 이 변화는 "엣지 AI"의 영역이 드론·차량·IoT를 넘어 궤도(orbit)로 확장된다는 의미를 가진다. Jetson ORIN은 자율주행 드론에서 이미 검증된 모듈인데, Planet Labs가 이를 위성용으로 적용했다는 건 컴퓨팅 자원이 제한된 환경에서 모델 경량화·양자화·추론 최적화 노하우가 그대로 우주 도메인에 이식 가능하다는 뜻이다. 더 나아가 Owl 위성이 SuperDove 군집에 추가되면 위성들이 서로 통신하며 이상 징후를 감지한 저해상도 위성이 고해상도 Pelican에 자동으로 재촬영을 요청하는 "행성급 지능 네트워크(planetary intelligence)"가 형성된다. 이는 분산 시스템 관점에서 자율 에이전트 협업과 매우 유사한 구조이며, 산불 조기 감지, AIS 미송신 불법 선박 탐지 같은 "분(minute) 단위" 대응이 필요한 도메인에서 즉시 활용될 수 있다. Google과 협력하는 Suncatcher 프로젝트, SpaceX·Amazon의 궤도 데이터센터 구상까지 고려하면, 향후 AI 인프라의 일부가 지상에서 우주로 이동할 가능성도 충분하다.

한국 개발자 입장에서 당장 위성용 코드를 짤 일은 드물지만, 이 흐름이 시사하는 바는 분명하다. 첫째, 엣지 추론 시장이 더 가혹한 환경(전력·열·방사선·통신 지연 제약)으로 확장되고 있으므로, ONNX Runtime, TensorRT, Jetson 계열 SDK를 활용한 모델 최적화 경험은 갈수록 가치가 커진다. 둘째, Planet Labs가 6~9개월 내 실시간 AI 탐지 서비스를 상용화한다고 밝힌 만큼, 한국의 재난·국방·물류·해양 감시 분야 SaaS를 만든다면 위성 API에서 "원본 이미지"가 아닌 "탐지 결과 이벤트"를 구독하는 형태로 아키텍처를 설계할 수 있다. 셋째, 향후 위성에서 LLM이 직접 구동되는 시나리오까지 언급된 만큼, 멀티모달 모델의 추론 비용·지연·정확도 트레이드오프를 다루는 역량이 우주뿐 아니라 모든 엣지 도메인에서 핵심 경쟁력이 될 것이다. 단, 80%라는 현재 정확도는 미션 크리티컬 의사결정에 단독으로 사용하기엔 부족하므로, 자체 서비스에 통합할 때는 인간 검증 단계 또는 지상 후처리 파이프라인을 함께 설계하는 것이 현실적이다.