에어버스가 헬리콥터의 이륙 중량을 정확하게 예측하는 새로운 머신러닝(ML) 모델을 개발했습니다. 이 모델은 에어버스 전 세계 운용 헬기에서 수집된 광범위한 데이터를 기반으로 하며, 이륙 시 헬기의 중량을 실시간으로 추정하여 안전 운항에 기여할 것으로 기대됩니다. 이는 항공 분야에서 인공지능(AI) 기술이 실제 운용 환경에 적용되는 중요한 진전으로 평가받고 있습니다.
이번 연구는 유럽항공안전청(EASA)의 머신러닝 적용 개념 문서와 유로카에(Eurocae) ED-324 표준에 맞춰 학습 보증(learning assurance) 과정을 상세히 설명합니다. 연구팀은 머신러닝 요구사항, 모델 설명, 그리고 장단기 기억(LSTM) 순환 신경망 구현 방안을 제시했습니다. 특히, 이 모델은 기존 항공 전자 컴퓨터에서도 구동 가능하도록 설계되어, 실제 헬기에 탑재되어 이륙 경고와 같은 중요 기능에 활용될 수 있음을 입증했습니다. 이는 복잡한 AI 모델이 제한된 항공기 하드웨어 환경에서도 안정적으로 작동할 수 있음을 보여줍니다.
이러한 온보드(on-board) 머신러닝 모델의 구현은 항공 안전성을 크게 향상시킬 잠재력을 가지고 있습니다. 조종사가 이륙 전 정확한 중량 정보를 얻으면, 연료 소모 최적화, 비행 성능 예측 정확도 향상, 그리고 잠재적 과부하 상황에 대한 사전 경고를 통해 사고 위험을 줄일 수 있습니다. 또한, 이는 미래 항공기 설계 및 운용에 AI 기술을 더욱 적극적으로 통합하는 선례가 될 것이며, 다른 항공 시스템에도 유사한 머신러닝 기반 솔루션이 적용될 수 있는 길을 열어줄 것입니다.