중국, 해군전 AI 고도화 위한 세계 최대 선박 탐지 데이터셋 공개

해양 인공지능을 위한 새로운 무기고

중국 군사 연구팀이 세계 최대 규모의 공개 선박 탐지 데이터셋이라고 소개한 자료를 공개했다. 이 데이터셋은 인공지능이 해상 선박을 식별하고 추적하는 방식을 바꿀 잠재력을 지녔다. 동료 심사를 거치는 학술지 Journal of Radars에 1월 게재된 이중 모달 선박 탐지(DMSD) 데이터셋에는 짝을 이룬 이미지 2,000여 장과 주석이 달린 사례 약 2만 건이 담겨 있다. 까다로운 해양 환경에서 작동하는 드론, 미사일, 감시 시스템을 위한 전례 없는 학습 자료다. 옌타이 해군항공대학교, 하얼빈공정대학교, 중국과학원 컴퓨팅기술연구소 소속 과학자들로 구성된 연구팀은 이 자료를 전 세계 연구자들에게 무료로 공개했다. 이번 공개는 해상 표적 인식에서 오랫동안 지속된 기술적 난제를 해결하는 데 초점을 맞춘 AI 기반 해군전 역량에 대한 상당한 투자를 보여준다.

이 데이터셋은 현대 해군 전투체계의 중대한 취약점을 다룬다. 재밍, 기만, 성능 저하에 직면한 기존 레이더 체계가 표적 선박을 안정적으로 식별하고 추적하지 못하는 문제다. 가시광 영상과 적외선 열 신호를 결합한 DMSD 자료는 어둠과 박무, 전자 간섭 속에서도 표적을 계속 추적할 수 있는 머신러닝 알고리즘을 훈련하는 데 필요한 원자료를 제공한다. 이번 공개는 이전 해양 탐지 데이터베이스와 비교해 규모 면에서 두드러지며, 연구자와 방산업체가 차세대 자율 표적화 시스템을 개발하는 데 필요한 방대한 고품질 학습 데이터를 제공한다.

해양 환경에는 육상 알고리즘이 거의 겪지 않는 자동 탐지의 고유한 장애물이 있다. 수면에 반사되는 햇빛은 눈부심을 일으켜 광학 센서를 무력화하고, 급변하는 기상과 장거리 해상에서 발생하는 대기 왜곡은 영상의 선명도를 떨어뜨린다. 뚜렷한 기준점이 없는 복잡한 배경은 선박과 주변 환경을 구별하는 일을 더욱 어렵게 한다. 이런 환경에서는 해군 표적의 대략적인 위치에 도달하는 것이 무기 교전을 위해 필요한 정확한 식별과 정밀 추적보다 훨씬 쉽다. DMSD 데이터셋은 다양한 해상 상태와 조명 조건에서 촬영한 주석 이미지 사례를 제공해 이러한 문제를 겨냥한다. 이를 통해 AI 시스템은 환경이 변해도 유지되는 견고한 인식 패턴을 학습할 수 있다.

바다에서 선박을 찾는 끊임없는 난제

해상 선박 인식은 육상 물체 탐지보다 훨씬 심각한 기술적 장애물에 부딪힌다. 해양 환경은 수면에 반사되는 햇빛, 급변하는 기상, 장거리 대기 왜곡, 뚜렷한 기준점이 없는 복잡한 배경의 영향을 받는다. 이런 요인은 광학 및 전자 분류 시스템의 정확도를 지속적으로 떨어뜨린다. 교전이 벌어지는 상황에서 움직이는 해군 표적을 안정적으로 식별하는 일은 현대 군사 기술에서 가장 해결하기 어려운 문제 중 하나다. 고정된 육상 표적과 달리 선박은 역동적인 해상 환경에서 끊임없이 움직이므로 움직임에 따른 영상 흐림이 발생하고 센서에 대한 방향도 바뀐다. 바닷물보라와 안개, 박무는 영상 품질을 더욱 떨어뜨린다. 균질한 바다 표면은 자동화 시스템이 선박과 주변 환경을 구별하는 데 활용할 시각적 단서를 거의 제공하지 않는다. 드론, 항공기, 위성 등 관측 플랫폼의 움직임은 추적 작업을 한층 복잡하게 만들며, 시차 오차와 원근 변화가 발생해 안정된 육상 이미지로 학습한 알고리즘을 혼란스럽게 한다.

기존 레이더 시스템은 성능이 뛰어나지만, 현대의 교전 환경에서 취약성이 커지고 있다. 전자전 능력으로 레이더 신호를 교란하거나 기만하고 성능을 저하시킬 수 있어 표적의 위치와 정체가 불확실해진다. 이 한계로 군사 연구자들은 여러 탐지 방식을 결합해 중복 표적화 능력을 확보하는 다중 센서 융합 방식에 관심을 기울이고 있다. DMSD 데이터셋은 실제 환경에서 AI 시스템이 안정적으로 작동하기 위해 마주해야 하는 변동성을 모사한 학습 데이터를 제공해 이러한 필요에 직접 대응한다. 포괄적인 학습 자료가 없다면 자율무기체계는 가장 필요한 순간에 제대로 작동하지 못할 수 있다. 군함과 민간 컨테이너선을 구별하지 못하거나, 중요한 교전 시간대에 기동하는 표적을 놓칠 위험이 있다.

DMSD 데이터셋이 판도를 바꾸는 방식

DMSD 데이터셋은 동일한 조건에서 같은 선박을 촬영한 가시광 영상과 적외선 신호를 짝지은 이중 모달 방식을 도입했다. 이 짝지은 자료를 통해 머신러닝 알고리즘은 선박이 일반 사진과 열화상에서 각각 어떻게 나타나는지의 상관관계를 학습하고, 다양한 작전 상황에서 작동하는 더 견고한 인식 모델을 만들 수 있다. 연구의 교신저자이자 중국과학원 연구자인 가오룽은 연구팀이 활용한 포괄적인 데이터 수집 방법을 설명했다.

데이터는 해안과 공중 플랫폼에 탑재한 [합성개구레이더 또는 SAR], 레이더, 가시광 카메라, 적외선 카메라 등 센서를 이용해 수집했다.

주석 작업의 규모는 이번 공개 자료를 이전 해양 탐지 데이터베이스와 차별화한다. 짝을 이룬 이미지 2,000여 장에 주석 사례 약 2만 건이 포함돼 있어, 소규모 자료에서 흔히 나타나는 과적합 문제 없이 딥러닝 모델을 훈련하는 데 필요한 양과 다양성을 제공한다. 각 주석에는 정확한 경계 상자와 분류 라벨이 포함돼 있어 지도학습 알고리즘이 선박 종류와 운용 상태, 방향을 세밀하게 구별하는 능력을 개발할 수 있다. 적외선 영상의 포함은 야간 작전에서 특히 중요하다. 가시광 카메라는 효과가 떨어지지만 열 센서는 엔진과 배기 장치, 선체가 차가운 바다를 배경으로 내는 열 신호를 계속 탐지할 수 있다. 이러한 열 데이터는 선박이 시각적 위장을 시도하거나 광학 식별이 불가능한 환경에서 운항할 때도 신뢰성을 유지한다.

교전 환경에서의 적외선 장점

적외선 센서는 고강도 전투 상황에서 능동 레이더 시스템과 다른 전술적 이점을 제공한다. 표적을 찾기 위해 탐지 가능한 전자기 신호를 방출해야 하는 레이더와 달리, 적외선 시스템은 수동적으로 작동한다. 자체 신호를 내보내지 않고 물체가 자연적으로 방출하는 열복사를 측정한다. 이 수동성 덕분에 적외선 탐지는 본질적으로 은밀하며, 능동 센서를 혼란시키도록 설계된 기존 전자 재밍 기법에도 영향을 받지 않는다. DMSD 데이터셋에 적외선 영상을 포함한 것은 해군전의 중대한 취약 시간대를 겨냥한다. 역사적으로 광학 유도 무기에 대한 방어 수단이 돼 온 야간과 저시정 환경이다.

가시광 데이터와 적외선 데이터의 조합은 각 방식의 한계를 보완하는 상호 보완적 역량을 만든다. 가시광은 조명이 충분할 때 선박 분류에 필요한 세밀한 정보를 제공하고, 적외선은 어둠과 박무, 옅은 안개를 뚫고 광학 시스템이 작동하지 않을 때도 탐지 능력을 유지한다. 두 스펙트럼의 짝지은 사례로 학습하면, AI 표적화 시스템은 환경 조건이나 대응책 때문에 한 종류의 센서가 접촉을 잃더라도 선박 추적을 이어가는 법을 익힌다. 이는 시간 제약이 큰 상황에서 사람의 개입 없이 교전 결정을 내려야 하는 자율무기체계에 필수적인 중복성이다. 이중 모달 방식은 센서 종류 간 전환이 매끄럽게 이뤄지도록 해 환경이 바뀌는 동안 끊길 수 있는 지속적인 표적 추적을 유지한다.

현실의 중요성: 호르무즈 해협 사건

선박 탐지 능력 향상의 실질적 중요성은 이란이 2월 호르무즈 해협 인근에서 항공모함 USS 에이브러햄 링컨을 성공적으로 공격했다고 주장했을 때 뚜렷하게 드러났다. 미국 정부는 미사일이나 드론이 목표물에 근접하지도 못했다고 밝히며 이 주장을 일축했다. 이 사건은 해군 표적이 있는 대략적인 방향으로 무기를 발사하는 것과 실제 명중에 필요한 정밀 식별 및 종말 유도를 달성하는 것 사이의 격차를 보여줬다. 복잡한 선박 이동과 환경 간섭으로 혼란이 생기는 해양 환경에서, 역량을 갖춘 적대 세력조차 최종 표적화 문제를 해결하기 어렵다는 점이 드러났다.

호르무즈 해협은 세계에서 전략적 중요성이 가장 큰 해상 병목 지점 중 하나다. 전 세계 LNG와 석유 수송량의 거의 3분의 1이 좁은 해협을 통과한다. 상선과 복잡한 해안선으로 둘러싸인 혼잡한 해역에서 움직이는 선박을 정확히 겨냥하기 어렵다는 점은 DMSD 같은 데이터셋이 상당한 지정학적 의미를 갖는 이유를 보여준다. 각국이 더욱 정교한 접근 차단 및 지역 거부 전략을 개발하는 가운데, 민간 선박 사이에서 특정 군함을 안정적으로 식별하는 능력은 억지력 계산과 작전 계획에서 결정적인 요소가 된다. 이 데이터셋이 1월 공개된 것은 역내 긴장이 계속되고 기동하는 대형 군함을 해상에서 공격하기 어렵다는 점이 입증된 상황에서 더욱 주목된다. 군함과 민간 선박을 정확히 구별하면 우발적인 긴장 고조를 막는 동시에 방어체계가 미끼나 중립 상선이 아닌 실제 위협에 대응하도록 할 수 있다.

군사적 활용과 전략적 함의

연구팀의 소속 기관은 데이터셋의 용도를 분명히 보여준다. 해군항공대학교는 중국의 군사 대학 체계에 속해 중국 인민해방군 해군 인력을 양성하고 해군 항공 작전용 기술을 개발한다. 하얼빈공정대학교는 수중 음향과 해양공학 분야의 강력한 연구 프로그램을 운영하며, 중국과학원은 국가 방위 우선순위를 뒷받침하는 기초 연구를 수행한다. 학계와 군사기관의 협력은 중국 국방 연구의 더 큰 흐름을 반영한다. 기술 발전을 공개적으로 발표해 혁신을 가속하는 한편, 국내 방위산업 기반의 기술 표준을 확립하는 방식이다. 이들 기관이 참여했다는 점은 무인항공기와 정밀 타격 체계의 활용에 특히 중점을 두고 있음을 시사한다.

분석가들은 DMSD 데이터셋을 공개함으로써 중국 정부가 여러 전략적 목표를 동시에 추구할 수 있다고 본다. 데이터를 오픈소스로 공개하면 민간 연구자들이 탐지 알고리즘 개선에 기여할 수 있어 AI 기반 해군 기술 개발이 빨라진다. 이 접근법은 해양 AI 분야에서 중국의 기술 표준과 연구 방법론을 국제적 기준으로 자리매김하는 데도 도움이 된다. 이 데이터셋은 GPS가 작동하지 않거나 전자전이 벌어지는 환경에서 전통적인 항법 및 표적화 시스템의 성능이 저하될 때 효과적으로 작동할 수 있는 자율 감시 드론, 정밀 대함 미사일, 지능형 정찰 시스템의 개발을 지원한다. 중국은 이 구체적인 기술 기반에 대한 전 세계의 협력을 유도함으로써 데이터 구조에 대한 통제력을 유지하면서 미래 해양 AI 개발의 중심에 자리 잡으려 한다.

핵심 내용

• 중국 군사 연구팀이 가시광 및 적외선 선박 이미지 2,000여 쌍과 주석 약 2만 건을 담은 DMSD 데이터셋을 공개했다.
• 이 데이터셋은 야간이나 레이더 성능이 저하된 환경에서 운용되는 드론, 미사일, 감시 플랫폼용 AI 표적화 시스템 개발을 지원한다.
• 해군항공대학교, 하얼빈공정대학교, 중국과학원 연구자들이 프로젝트를 주도했으며, 연구 결과는 Journal of Radars에 게재됐다.
• 이중 모달 탐지는 가시광의 세밀한 정보와 적외선의 탐지 능력을 결합해 눈부심과 기상, 어둠 같은 환경적 난제를 극복한다.
• 이번 공개는 혁신을 가속하고 기술 표준을 확립하기 위해 군사 관련 AI 연구를 오픈소스로 공개하는 중국의 전략에 따른 것이다.
• 최근 미 해군 함정 공격 주장을 둘러싼 사건에서 드러났듯이, 해상 표적 인식은 여전히 기술적으로 어려운 과제다.