FalconWing: 초경량 비행 플랫폼이 열어젖히는 AI 자율주행의 미래

Yan Miao 등 연구팀이 개발한 초경량 비행 플랫폼 FalconWing은 오픈소스로 공개되어 AI 기반 자율주행 연구에 새로운 가능성을 열었습니다. 실제-시뮬레이션-실제 학습 방식을 통해 IMU나 모션 캡처 없이 비전 기반 자율 착륙 성공률 80%를 달성했습니다.

Yan Miao, Will Shen, Hang Cui, Sayan Mitra 연구팀이 개발한 FalconWing은 단 150g의 초경량 고정익 비행 플랫폼으로, AI 기반 자율주행 연구의 새로운 지평을 열었습니다. 오픈소스로 공개된 FalconWing은 소형 카메라, 표준 에어프레임, 외부 컴퓨팅 장치, 그리고 수동 조작을 위한 무선 통신 기능을 통합하고 있습니다. 이는 단순한 기술적 발전을 넘어, AI 연구자들에게 실제 환경에서의 테스트와 개발을 용이하게 하는 중요한 도약입니다.

가장 주목할 만한 성과는 IMU나 모션 캡처 없이 순수하게 비전 기반 제어 정책을 사용하여 자율 착륙에 성공했다는 점입니다. 연구팀은 이를 위해 독창적인 '실제-시뮬레이션-실제' 학습 방식을 도입했습니다. 이는 크게 세 단계로 구성됩니다.

1. 실제 이미지를 기반으로 3D Gaussian splatting을 이용하여 사실적인 시뮬레이션 환경 구축: 실제 세계와 유사한 시뮬레이션 환경은 AI 모델의 학습 효율과 정확도를 크게 향상시킵니다. 이는 마치 AI가 실제 비행 환경을 미리 경험하는 것과 같습니다.
2. 실제 비행 데이터로부터 비선형 역학 모델 식별: 실제 비행 데이터를 분석하여 비행의 복잡한 역학을 모델링함으로써 시뮬레이션의 현실성을 더욱 높였습니다. 이는 AI 모델이 보다 정확한 예측과 제어를 가능하게 합니다.
3. 시뮬레이션 기반 모방 학습을 통한 다중 모드 Vision Transformer (ViT) 정책 훈련: 시뮬레이션 환경에서 학습된 ViT 모델은 단일 RGB 이미지와 과거 제어 행동을 결합하여 시간적 맥락을 유지하면서 실시간 20Hz 추론을 수행합니다. 이는 마치 AI가 비행 경험을 기억하고 학습하는 것과 같습니다.

놀랍게도, 이렇게 시뮬레이션에서만 학습된 모델을 하드웨어 플랫폼에 제로샷(Zero-Shot) 으로 배포했을 때, **비전 기반 자율 착륙 성공률 80%**를 달성했습니다. 이러한 성과는 시뮬레이션 기반 학습의 효율성과 실제 환경 적용 가능성을 보여주는 훌륭한 사례입니다. 뿐만 아니라 연구팀은 하드웨어 사양, 시스템 역학, 사실적인 시뮬레이터 소프트웨어, 그리고 학습 접근 방식까지 모두 오픈소스로 공개하여 AI 자율주행 연구의 발전에 크게 기여할 것으로 기대됩니다. FalconWing의 등장은 AI 기반 자율주행 기술의 발전에 가속도를 붙일 뿐 아니라, 초경량 비행체 분야의 새로운 가능성을 열었습니다. 앞으로 FalconWing을 기반으로 한 다양한 연구와 응용이 기대됩니다. 이는 단순한 기술의 발전을 넘어, 미래 사회의 모습을 바꿀 혁신적인 기술의 탄생을 알리는 신호탄입니다.