1만 페이지 국방 문서부터 드론 자율비행까지,
'국방 AI'는 현실에서 어떻게 적용될까요?
- 부산대 김기훈 교수팀, LLM 기반 잠수함 안전 분석 및 9,278쪽 건조 기준 검색 DB 구축
- 경상국립대 정필수 교수팀, 이종 센서 융합 및 강화학습 기반 드론 자율비행 정책 수렴
- 바로에이아이(BARO AI) '포세이돈' 인프라, 엄격한 국방 특수 환경에서 실증 레퍼런스 확보
안녕하세요, 바로AI입니다.🫡
잠수함 사고는 부품 하나의 결함이 인명 피해로 직결될 수 있는 영역입니다.
함정을 설계하려면 9천 페이지가 넘는 기준 문서를 뒤져야 하지요.
그리고 하늘에서는 GPS 신호가 끊기거나 카메라가 가려진 순간에도 드론이 스스로 판단을 내려야 합니다.
한 치의 오차도, 보안 공백도 허용되지 않는 국방 환경에서 AI를 실전에 들이는 일은 과연 쉬울까요?
최근 국내 대학 연구팀 두 곳이 이 문제에 각자의 방식으로 답을 내놓았습니다.
부산대학교 김기훈 교수 연구팀과 경상국립대학교 정필수 교수 연구팀입니다.
두 분 다 바로AI의 GPU 인프라, 포세이돈 위에서 프로젝트를 완성했다는 공통점이 있습니다.
고장 보고서 1,956건, AI가 "위험한 부품"을 골라내다
POWERED BY POSEIDON Ultimate Line-up (H100x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
잠수함에서 무언가 이상이 있을 때 그게 단순 결함으로 끝날지 인명 피해로 번질지는 부품마다 다릅니다.
이를 사전에 가려내는 것이 주요안전품목(CSI) 선별입니다.
지금까지는 전문가가 보고서를 하나하나 읽으며 판단해야 했습니다.
이 작업을 AI에게 맡길 수는 없을까요?
부산대학교 산업공학과 김기훈 교수 연구팀(Industrial AI Lab)은 이 질문에 LLM으로 답했습니다.
다만 단순 요약에 그치지 않고 텍스트뿐 아니라 도면과 표까지 페이지 단위로 읽어냅니다.
여기에 제조업에서 오래 쓰여온 위험 분석 기법 FMEA를 결합해 장비별 고장 가능성과 안전 영향을 점수로 매겼습니다.
AI가 특정 부품을 위험하다고 판단하면 그 근거가 된 원본 문서 페이지까지 함께 제시합니다.
답을 곧이곧대로 믿는 대신 사람이 다시 검증할 수 있도록 만든 구조입니다.
함정 설계 기준서 9,278페이지, 검색 한 번으로 끝나다
POWERED BY POSEIDON Ultimate Line-up (H100x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
수상함과 잠수함의 설계·건조 기준 문서는 553건이고 페이지로는 9,278페이지에 달합니다.
필요한 조항 하나를 찾으려면 실무자가 이 산더미 같은 문서를 눈으로 훑어야 했던 게 그동안의 방식이었습니다.
이 많은 페이지를 사람 대신 컴퓨터가 먼저 읽게 하면 어떨까요?
같은 연구팀은 문서 전체를 실시간으로 탐색할 수 있는 통합 데이터베이스로 전환하는 데 성공했습니다.
문서 내 텍스트와 표, 이미지를 페이지 단위로 세분화한 뒤 핵심 내용을 요약하여
사용자가 질문을 던지면 관련 페이지와 시각 자료를 즉각 찾아내는 구조입니다.
특히 이번 시스템은 단순히 단편적인 답변만을 출력하는 기존 생성형 AI의 방식과 달리
결과의 출처가 된 문서 번호와 정확한 페이지를 함께 매칭해 보여준다는 점에서 차별성을 지닙니다.
오차 없는 정확성이 생명인 국방 연구 특성상, 결과물의 단순 도출보다 해당 답변을 신뢰할 수 있는가에 대한
철저한 검증 가능성이 필수적이기 때문입니다.
※ 연구실 소개
김기훈 교수 연구팀은 타뷸러 데이터 학습(Tabular Learning), 그래프 신경망(GNN), 자연어 처리(NLP), 시계열 예측 등
산업 AI 분야의 핵심 방법론을 종합적으로 연구하고 있습니다.
특히 SK하이닉스, 부산항만공사, 국방기술품질원 등 주요 기업 및 기관과의 협업을 통해 산업 현장의 실질적인 난제들을
AI 기술로 해결해 온 전문성을 보유하고 있습니다.
GPS가 끊겨도 드론은 스스로 판단한다
POWERED BY POSEIDON Alpha Line-up (RTX4090x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
미래 전장의 핵심으로 꼽히는 드론 자율비행과 유무인 복합체계는 실전에서 수많은 변수를 만납니다.
GPS가 교란되거나 카메라 시야가 가려지는 순간이 대표적입니다.
이런 극한 상황에서도 드론이 스스로 판단하고 회피할 수 있을까요?
경상국립대학교 IT공과대학 정필수 교수 연구팀이 이 질문에 매달렸습니다.
소형·중형 드론에 GPS, 카메라, LiDAR 등 성격이 전혀 다른 센서들을 탑재한 뒤,
여기서 수집되는 데이터를 실시간으로 융합하는 방식을 취했습니다.
단일 센서만을 운용할 때 발생할 수 있는 치명적인 인지 사각지대를 완전히 상쇄하기 위한 접근입니다.
이렇게 통합된 인지 정보를 바탕으로 가상 시뮬레이션 환경 내에서 수만 번에 달하는 강화학습을 반복 수행했습니다.
그 결과, 드론이 복잡한 전장 환경 속에서도 돌발 장애물을 스스로 회피하는 것은 물론,
아군의 유인 비행체를 안정적으로 추종할 수 있는 고지능 자율 비행 정책을 성공적으로 구현해 냈습니다.
※ 연구실 소개
정필수 교수 연구팀은 소프트웨어를 제품군 단위로 설계하는 '소프트웨어 프로덕트 라인 엔지니어링'을 연구해왔습니다.
결함이 인명 안전과 직결되는 만큼 DO-178C, ISO-26262 같은 국제 표준을 기반으로 UAV와
자동차 소프트웨어의 기능 안전성 분석·테스트 기법도 함께 다뤄온 이력을 갖고 있습니다.
🪖Behind the Scenes: 국방 AI 혁신을 뒷받침한 든든한 조력자
거대한 국방 문서를 페이지 단위로 쪼개 요약하고, 실시간으로 쏟아지는 3D 센서 데이터를 융합해
강화학습을 돌리는 과정은 상상 이상의 컴퓨팅 파워를 요구합니다.
이 모든 정밀한 연구들의 뒤편에는 바로AI의 맞춤형 인프라가 있었습니다.
초고난도 멀티모달 검색 모델과 대형언어모델(LLM)을 유연하게 소화해 낸 POSEIDON Ultimate 시스템부터,
복잡한 시뮬레이션 연산을 빈틈없이 받쳐준 POSEIDON Alpha까지.
가장 보수적이고 안전해야 할 국방 연구 기관에서 완벽하게 검증된 바로에이아이의 AI 인프라 레퍼런스는
현재 고성능 AI 연구 환경 구축과 인프라 확장을 고민하고 있는 수많은 기업 및 연구소들에게
가장 신뢰할 수 있는 현실적인 해답이 될 것입니다.
2026.07.07
1만 페이지 국방 문서부터 드론 자율비행까지,
'국방 AI'는 현실에서 어떻게 적용될까요?
안녕하세요, 바로AI입니다.🫡
잠수함 사고는 부품 하나의 결함이 인명 피해로 직결될 수 있는 영역입니다.
함정을 설계하려면 9천 페이지가 넘는 기준 문서를 뒤져야 하지요.
그리고 하늘에서는 GPS 신호가 끊기거나 카메라가 가려진 순간에도 드론이 스스로 판단을 내려야 합니다.
한 치의 오차도, 보안 공백도 허용되지 않는 국방 환경에서 AI를 실전에 들이는 일은 과연 쉬울까요?
최근 국내 대학 연구팀 두 곳이 이 문제에 각자의 방식으로 답을 내놓았습니다.
부산대학교 김기훈 교수 연구팀과 경상국립대학교 정필수 교수 연구팀입니다.
두 분 다 바로AI의 GPU 인프라, 포세이돈 위에서 프로젝트를 완성했다는 공통점이 있습니다.
고장 보고서 1,956건, AI가 "위험한 부품"을 골라내다
POWERED BY POSEIDON Ultimate Line-up (H100x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
잠수함에서 무언가 이상이 있을 때 그게 단순 결함으로 끝날지 인명 피해로 번질지는 부품마다 다릅니다.
이를 사전에 가려내는 것이 주요안전품목(CSI) 선별입니다.
지금까지는 전문가가 보고서를 하나하나 읽으며 판단해야 했습니다.
이 작업을 AI에게 맡길 수는 없을까요?
부산대학교 산업공학과 김기훈 교수 연구팀(Industrial AI Lab)은 이 질문에 LLM으로 답했습니다.
다만 단순 요약에 그치지 않고 텍스트뿐 아니라 도면과 표까지 페이지 단위로 읽어냅니다.
여기에 제조업에서 오래 쓰여온 위험 분석 기법 FMEA를 결합해 장비별 고장 가능성과 안전 영향을 점수로 매겼습니다.
AI가 특정 부품을 위험하다고 판단하면 그 근거가 된 원본 문서 페이지까지 함께 제시합니다.
답을 곧이곧대로 믿는 대신 사람이 다시 검증할 수 있도록 만든 구조입니다.
함정 설계 기준서 9,278페이지, 검색 한 번으로 끝나다
POWERED BY POSEIDON Ultimate Line-up (H100x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
수상함과 잠수함의 설계·건조 기준 문서는 553건이고 페이지로는 9,278페이지에 달합니다.
필요한 조항 하나를 찾으려면 실무자가 이 산더미 같은 문서를 눈으로 훑어야 했던 게 그동안의 방식이었습니다.
이 많은 페이지를 사람 대신 컴퓨터가 먼저 읽게 하면 어떨까요?
같은 연구팀은 문서 전체를 실시간으로 탐색할 수 있는 통합 데이터베이스로 전환하는 데 성공했습니다.
문서 내 텍스트와 표, 이미지를 페이지 단위로 세분화한 뒤 핵심 내용을 요약하여
사용자가 질문을 던지면 관련 페이지와 시각 자료를 즉각 찾아내는 구조입니다.
특히 이번 시스템은 단순히 단편적인 답변만을 출력하는 기존 생성형 AI의 방식과 달리
결과의 출처가 된 문서 번호와 정확한 페이지를 함께 매칭해 보여준다는 점에서 차별성을 지닙니다.
오차 없는 정확성이 생명인 국방 연구 특성상, 결과물의 단순 도출보다 해당 답변을 신뢰할 수 있는가에 대한
철저한 검증 가능성이 필수적이기 때문입니다.
※ 연구실 소개
김기훈 교수 연구팀은 타뷸러 데이터 학습(Tabular Learning), 그래프 신경망(GNN), 자연어 처리(NLP), 시계열 예측 등
산업 AI 분야의 핵심 방법론을 종합적으로 연구하고 있습니다.
특히 SK하이닉스, 부산항만공사, 국방기술품질원 등 주요 기업 및 기관과의 협업을 통해 산업 현장의 실질적인 난제들을
AI 기술로 해결해 온 전문성을 보유하고 있습니다.
GPS가 끊겨도 드론은 스스로 판단한다
POWERED BY POSEIDON Alpha Line-up (RTX4090x4)
이해를 돕기 위한 참고 이미지로, 실제 연구 데이터와는 무관합니다.
미래 전장의 핵심으로 꼽히는 드론 자율비행과 유무인 복합체계는 실전에서 수많은 변수를 만납니다.
GPS가 교란되거나 카메라 시야가 가려지는 순간이 대표적입니다.
이런 극한 상황에서도 드론이 스스로 판단하고 회피할 수 있을까요?
경상국립대학교 IT공과대학 정필수 교수 연구팀이 이 질문에 매달렸습니다.
소형·중형 드론에 GPS, 카메라, LiDAR 등 성격이 전혀 다른 센서들을 탑재한 뒤,
여기서 수집되는 데이터를 실시간으로 융합하는 방식을 취했습니다.
단일 센서만을 운용할 때 발생할 수 있는 치명적인 인지 사각지대를 완전히 상쇄하기 위한 접근입니다.
이렇게 통합된 인지 정보를 바탕으로 가상 시뮬레이션 환경 내에서 수만 번에 달하는 강화학습을 반복 수행했습니다.
그 결과, 드론이 복잡한 전장 환경 속에서도 돌발 장애물을 스스로 회피하는 것은 물론,
아군의 유인 비행체를 안정적으로 추종할 수 있는 고지능 자율 비행 정책을 성공적으로 구현해 냈습니다.
※ 연구실 소개
정필수 교수 연구팀은 소프트웨어를 제품군 단위로 설계하는 '소프트웨어 프로덕트 라인 엔지니어링'을 연구해왔습니다.
결함이 인명 안전과 직결되는 만큼 DO-178C, ISO-26262 같은 국제 표준을 기반으로 UAV와
자동차 소프트웨어의 기능 안전성 분석·테스트 기법도 함께 다뤄온 이력을 갖고 있습니다.
🪖Behind the Scenes: 국방 AI 혁신을 뒷받침한 든든한 조력자
거대한 국방 문서를 페이지 단위로 쪼개 요약하고, 실시간으로 쏟아지는 3D 센서 데이터를 융합해
강화학습을 돌리는 과정은 상상 이상의 컴퓨팅 파워를 요구합니다.
이 모든 정밀한 연구들의 뒤편에는 바로AI의 맞춤형 인프라가 있었습니다.
초고난도 멀티모달 검색 모델과 대형언어모델(LLM)을 유연하게 소화해 낸 POSEIDON Ultimate 시스템부터,
복잡한 시뮬레이션 연산을 빈틈없이 받쳐준 POSEIDON Alpha까지.
가장 보수적이고 안전해야 할 국방 연구 기관에서 완벽하게 검증된 바로에이아이의 AI 인프라 레퍼런스는
현재 고성능 AI 연구 환경 구축과 인프라 확장을 고민하고 있는 수많은 기업 및 연구소들에게
가장 신뢰할 수 있는 현실적인 해답이 될 것입니다.
POSEIDON 더 알아보기