개인 비행 장치의 한계와 AI 제어: 제트 슈트·제트팩·전기 덕티드 팬 기술 정리

핵심 메시지

• 사람을 하늘에 띄우려면 추력 확보뿐 아니라 자세 유지와 추력 방향 전환까지 동시에 풀어야 하고, 무게가 늘수록 추력·연료·발열·소음이 함께 커지는 악순환이 생긴다.
• 그래비티 인더스트리즈의 제트 슈트는 양팔과 등에 소형 가스터빈을 배치해 사람의 균형 감각 자체를 제어기로 활용하고, 제트팩 에이비에이션은 짐벌과 배기 편향으로 추력 방향을 바꾸는 추력 편향(thrust vectoring) 방식을 택했다.
• 전기 덕티드 팬을 26개 쓴 개인 메이커의 자작 비행 장치는 제어는 쉬워도 배터리 무게 때문에 비행 시간이 1분 남짓에 그쳐, 전기 추진의 에너지 밀도 한계를 그대로 보여준다.
• 현재 개인 비행 장치의 가장 큰 아쉬움은 비행 내내 두 손과 두 팔이 조종에 묶여 있어, 이동 외의 실제 작업을 할 수 없다는 점이다.
• 몸에 붙인 관성 센서로 비행 의도를 추정하고, 엔진 반응 지연까지 예측하는 MPC와 모델 오차를 메우는 잔차 강화학습을 결합하면 사람이 균형을 직접 잡지 않는 비행이 가능할 수 있다는 구상이 제시됐다.

쉽게 이해하기

로봇을 다루는 유튜브 채널 '엥지유니버스'가 개발자의 로망에서 출발한 개인 비행 프로젝트들을 기술적으로 뜯어봤다. 비행기나 헬리콥터처럼 큰 기체에 타는 것이 아니라, 작은 장치를 몸에 걸치고 땅에서 곧바로 떠올라 걷듯이 날아다니는 형태를 목표로 삼은 시도들이다. 말은 단순하지만 사람과 장비의 무게를 이길 추력을 만들고, 뜬 뒤에는 넘어지지 않도록 자세를 유지하며, 이동과 방향 전환을 위해 추력의 방향까지 바꿔야 하는 문제가 겹쳐 있다.

가장 잘 알려진 사례는 리처드 브라우닝이 세운 그래비티 인더스트리즈의 제트 슈트다. 양팔에 소형 가스터빈을, 등에도 추진기를 두고 조종자가 팔의 위치와 각도로 전체 추력의 방향을 조절한다. 개발 초기에는 엔진 하나를 팔에 달아보는 것에서 시작해 개수와 위치를 바꿔가며 호버링에 필요한 배치를 실험적으로 찾아갔다. 엔진을 등에만 몰면 추력선이 무게중심과 어긋나 몸을 앞으로 고꾸라뜨리는 회전 모멘트가 생기고, 다리에 달면 모멘트 암이 길어져 작은 움직임도 큰 외란이 된다. 지금의 등·양팔 배치는 그 사이에서 찾은 절충으로 볼 수 있다.

제트팩 에이비에이션은 우리가 흔히 떠올리는 제트팩에 가깝다. 연료 탱크와 프레임을 등에 지고 좌우에 터보제트 엔진을 다는데, 엔진이 짐벌에 물려 있어 컨트롤 암을 앞뒤로 움직이면 엔진 전체가 기울며 추력의 방향이 바뀐다. 가스터빈은 연료 공급을 바꿔도 회전수와 추력이 따라오기까지 지연이 있어, 멀티콥터처럼 출력만 빠르게 올렸다 내려 자세를 잡기 어렵다. 그래서 이미 나오고 있는 힘의 방향을 직접 꺾는 방식이 쓰인다. 수직 이착륙 전투기 F-35B가 후방 노즐을 아래로 돌려 수직 비행을 하고 좌우 편향으로 요를 제어하는 것과 같은 계열의 아이디어다.

개인 메이커 쪽 사례로는 영화·게임 속 장비를 실제로 만들어 온 유튜브 채널 JLaser의 프로젝트가 소개됐다. 배치는 그래비티와 비슷하게 팔과 등이지만, 가스터빈 대신 전기 모터로 돌리는 덕티드 팬을 26개 썼다. 덕트가 팬 끝의 공기 손실을 줄이고 회전 날개가 노출되지 않아 착용형 장치에서 안전과 패키징에 유리하다. 다만 배터리와 전력 변환 장치의 무게가 함께 늘어나기 때문에 추력을 키우려 팬을 더 다는 순간 다시 무게가 늘고, 결국 1분 남짓한 비행 시간이라는 벽에 부딪힌다.

영상은 여기서 한 걸음 더 나아가 로봇·AI 기술을 붙이는 구상을 제안한다. 하드웨어적으로 각 엔진이 독립적으로 추력을 조절하고 노즐이나 엔진 자체를 기울일 수 있게 만든 뒤, 사람의 몸을 입력 장치로 쓰자는 것이다. 가슴·허리·팔·다리·머리에 관성 센서를 붙여 움직임을 읽고, 트랜스포머나 LSTM 같은 시계열 모델이 '앞으로 가고 싶다', '고도를 유지하고 싶다' 같은 고수준 명령을 만들어 낸다. 명령을 곧바로 엔진 출력으로 연결하지 않고 한 단계 걸러두면 사람마다 다른 동작 습관을 흡수할 수 있고, 모델이 의도를 잘못 읽어도 곧장 위험한 추력으로 이어지지 않는다. 실제 비행 제어에는 모델 예측 제어(MPC)가 후보로 꼽힌다. 현재 자세와 속도, 엔진의 추력 상태를 바탕으로 앞으로 일정 시간 동안의 움직임을 예측해 추력과 추력 방향의 궤적을 계산하는 방식이라, 반응이 느린 제트 엔진의 지연을 미리 반영할 수 있다. 여기에 모델링이 어려운 오차를 메우기 위해 강화학습이 MPC 출력 위에 작은 보정값만 얹는 잔차(residual) 구조를 더한다. 로봇 매니퓰레이션이나 보행 제어에서 접촉·마찰처럼 모델링이 어려운 부분에 이미 쓰이는 조합이다. 마지막 과제는 사람이 공중에서 팔다리를 움직이며 만들어 내는 외란인데, 센서로 읽은 팔다리의 각속도와 가속도로 곧 몸통에 전달될 힘과 모멘트를 미리 계산해 MPC에 넣어주면 자세가 흔들리기 전에 상쇄 제어를 준비할 수 있다.

주요 인사이트

• 제트 슈트가 '누구나 입으면 나는 장치'가 되지 못한 이유는 추력이 부족해서가 아니라, 사람의 균형 감각을 제어 루프의 일부로 끌어 쓴 설계이기 때문이다. 기계 구조는 단순해졌지만 대신 조종자가 오랜 훈련으로 몸에 감각을 익혀야 한다.
• 추진 방식 선택은 곧 제어 난이도의 선택이다. 가스터빈은 무게 대비 추력과 에너지 밀도에서 유리하지만 응답 지연 탓에 제어가 어렵고, 전기 덕티드 팬은 출력 조절이 빠른 대신 배터리 무게가 비행 시간을 깎는다.
• '두 손의 자유'는 편의 문제가 아니라 용도의 문제다. 손이 조종에서 풀려야 비행 장치가 이동 수단을 넘어 구조 작업이나 장비 조작이 가능한 작업 플랫폼이 된다.
• 의도 추정 모델과 실제 엔진 제어를 분리하는 설계는 AI를 쓰는 안전 장치이기도 하다. 학습 모델의 오판이 곧바로 추력 명령이 되지 않도록 중간 단계에서 한 번 더 걸러 주기 때문이다.
• MPC와 잔차 강화학습의 역할 분담은 로봇 제어의 일반적인 해법과 같다. 예측 가능한 동역학과 물리적 제약은 고전 제어가 책임지고, 모델에 담기지 않은 오차만 학습이 보정한다.

자주 묻는 질문

관련 AI 소식