Applied Intuition (어플라이드 인튜이션) — 미국 캘리포니아 본사. 2017년 설립된 자율주행 기술 기업. 차량 OS·자율주행 시스템(SDS, Self-Driving System)·개발/검증 도구 체인을 제공한다. 글로벌 자동차 OEM 상위 20곳 중 18곳과 주요 국방 프로그램 다수가 채택. 자동차·국방·트럭·건설·광업·농업 등 다양한 산업에 서비스.
임원
- 카사르 유니스(Qasar Younis) — CEO.
- 피터 루트비히(Peter Ludwig) — Co-Founder & CTO.
- Jason M. Brown — General Manager(국방총괄). 미 공군 26년 복무 베테랑. 1995~1999 오산공군기지 배치, 이후 정보장교. 한국전쟁 참전용사 손자.
- Dan ‘Animal’ Javorsek — EpiSci CTO 박사. DARPA Air Combat Evolution(ACE) 프로그램 리드. F-22·F-16·F-35 운용 베테랑 전투기 조종사. 2025년 초 EpiSci가 Applied Intuition에 인수되며 합류.
차량용 SDS — 화이트박스 자율주행 스택 (2025-08 발표)
OEM 전용 차세대 엔드투엔드 화이트박스 자율주행 스택. 인식·계획·제어를 통합한 단일 아키텍처로 L2++ → L3·L4 전환 경로 마련.
화이트박스 접근
블랙박스 솔루션 vs 화이트박스 — 블랙박스는 OEM 투명성·커스터마이즈 제한. SDS는 OEM에 자율주행 스택 작동 방식의 완전한 가시성과 통제권 제공 → 안전 검증 + 브랜드별 맞춤 경험 구현.
주요 기능
- L2++ ADAS 단일 통합 플랫폼.
- 생산 이후 지속 기능 업그레이드를 지원하는 엔드투엔드 개발·검증 도구 체인.
- 심층적 아키텍처 가시성 + 커스터마이즈 + OEM 내부 전문성 구축을 포함한 화이트박스 협업 모델.
- 대중 시장용 센서·컴퓨팅 활용 — 현실적 비용 효율성.
- 자사 차량 OS 경험 기반 원활한 차량 시스템 통합.
다른 산업 검증
트럭·광산·방위 산업에서 입증된 내구성·적응성을 자동차 SDS에 이식. 10여 년간 축적된 경험 기반.
AI 트렌드 인용
- 엔드투엔드 아키텍처, 트랜스포머 모델, 데이터 스케일링 법칙이 자율주행 발전 견인.
- 동시에 AEB·주차 지원·고속도로 주행 지원 같은 ADAS 필수 기능은 엄격한 안전 기준 충족 요구 — OEM은 L2++ 추격 + 안전·규제·비용 효율 동시 압박.
국방 자율성(Defense Autonomy)
자동차에서 시작된 SDV 혁명을 국방으로 확장. GM과 지상 전술차량 SW 접목이 방위사업의 출발점. 미 국방부 주요 프로그램에 도입.
Jason M. Brown
경쟁 우위의 원천이 하드웨어가 아니라 소프트웨어와 데이터임이 입증됐습니다. 함정·항공기·지상전투차량 등 하드웨어는 이미 수십 년을 버팁니다. 그래서 경쟁 우위는 그 안에서 진화하는 소프트웨어에서 옵니다.
Axion — 자율성 생애주기 툴체인
자율주행에서 다듬어 국방용으로 전환한 도구 집합. 모델링 → 시뮬레이션 → 데이터 수집 → 검증 → OTA → 플릿 학습 순환을 가능케 한다.
| 요소 | 내용 |
|---|---|
| 시뮬레이션 | 초고충실도 시뮬레이터에서 하루 수백만 마일 임무 — 실제 배치 이전 대규모 테스트·훈련·검증 |
| 데이터 파이프라인 | 라이다·레이다·카메라 센서 데이터 수집·라벨링·정제 |
| CI/CD | OTA 위한 연속적 통합·배포 |
| 현장 모니터링 | 배치된 차량 데이터를 시스템에 다시 피드백 — 모델 재학습·신뢰성 보증 반복 루프 |
Acuity — AI 자율전투 SW 스택
자회사 EpiSci 기술을 활용한 ‘AI 자율주행/자율전투 SW 스택’. 머신이 현실 인식 → 판단/계획 → 제어 → 통신하고 함께 움직이게 하는 두뇌. 민간이 한 차량 내부에서 작동한다면 국방은 플릿·다영역·지휘구조 전반에서 작동.
EpiSci 인수와 DARPA ACE 프로그램
EpiSci — 국방·항공우주·무인체계 분야 전술 AI·자율성 솔루션 스페셜리스트. 2025년 초 Applied Intuition에 인수. 핵심 인물 Dan ‘Animal’ Javorsek CTO가 합류.
DARPA Air Combat Evolution (ACE)
- 2019년 시작. 신뢰할 수 있고 확장가능한 인간 수준의 자율성을 공중전 영역에서 실현이 목표
- 출발점은 AGCAS(Automatic Ground Collision Avoidance System) 사례 — 1980년대 중반 가능했던 기술이 조종사 신뢰 부족으로 30년 늦은 2014년에야 실전 배치. 7.8G로 실신한 F-16 조종사를 자동 상승으로 구한 영상이 ACE의 출발점
- ACE의 핵심은 ‘인간 조종사가 AI 시스템을 신뢰하게 만들기 위해 인간 훈련 방식을 AI에게도 적용해 길들이는(nurture) 접근’
Mosaic Warfare 맥락
기존 전장(고립된 ‘퍼즐’ 구조) → 모자이크 타일(무기·센서·플랫폼)이 다양한 조합으로 새 전술 효과. ‘효과 기반 전투(effects-based operations)’ — 자율 시스템 없이는 구현 불가. 인간은 단순 조종사 → ‘미션 매니저(mission manager)’ 로 진화.
AlphaDogfight Trial → X-62 Vista
| 단계 | 내용 |
|---|---|
| AlphaDogfight Trial | 6개월 → 코로나로 13개월. 8개 팀(Aurora, Heron Systems, Lockheed Martin, EpiSci 등). IBM Deep Blue·DeepMind AlphaGo·OpenAI Five 전통의 하늘 버전 |
| 접근 진화 | Rule-based → Model-free E2E 강화학습. 시뮬레이션에서는 E2E가 가장 높은 성능이지만 실제 환경에서 예측 불가능성·오류 추적 어려움. 모든 팀이 계층형(hierarchical) 접근으로 수렴 — 설명 가능성·유연성 위해 |
| X-62 Vista | EpiSci 에이전트 탑재 실제 비행 시험. 여러 기종 확장, 유인기·무인기 혼합 복합 편대 작전 진화 예정 |
자율 전투 성공 5대 조건
기술 자체보다 다음이 핵심:
- 예측 가능성 (predictability)
- 반복 가능성 (repeatability)
- 설명 가능성 (explainability)
- 적응성 (adaptability)
- 상호 운용성 (interoperability)
→ 기술과 전술을 함께 진화시키는 co-evolve 접근만이 성공의 열쇠.
Dan Javorsek
신뢰가 바로 전투의 화폐(currency of combat operations)입니다. 그것이 바로 인공지능이 전장에 받아들여지지 못하는 가장 큰 이유이기도 합니다.
항공 vs 자동차 자율성 — 신뢰 지표의 차이
- 자율성은 항공이 먼저(1912년 자이로 오토파일럿) — 자동차 크루즈 컨트롤은 2000년에야 상용화
- 그러나 세기가 바뀌며 자동차가 항공을 앞지름
- 이유 — ‘Miles per disengagement’ 같은 공통 지표를 자동차 업계 모두가 사용 → 인간 개입 없이 안정 주행 가능 시간으로 신뢰 평가
- 점진적 기능 확장 — LKA → ACC → AEB. 운전자가 기술을 신뢰하고 → 기술이 운전자를 더 신뢰하는 루프
AI = 인간 대체가 아니라 보조자(Augmentor)
Dan Javorsek
AI는 젊은 중위(Lieutenant)를 단 몇 달 만에 베테랑 탑건 졸업생으로 만들 수 있는 훈련 파트너입니다. ACE 프로그램의 진짜 성과는 기술이 아니라 인간이 AI를 신뢰할 수 있게 된 순간입니다.
민간 vs 국방 자율성
| 축 | 민간 자율주행 | 국방 자율성 |
|---|---|---|
| 인프라 | 초대형 데이터센터, 광섬유, 수천 명 엔지니어 | 에지에서 오프라인, 개발자 없이 작동 |
| 데이터 규모 | 페타바이트급 | 한 항공기/함정에서 GB~TB. 노트북·보안시설 처리 |
| 센서 | 수십 개 | 저가 소모형은 소수 — 제한적·불규칙 데이터가 도전 |
| 목표 정확도 | 99.9% 정밀도, 수십억 에지케이스 | 60% 정확도도 충분할 때 — 운용자 결정 기여가 기준 |
| 목표 가치 | 완벽성 | 견고성(robustness) + 적응성(adaptability) |
| 연결성 | 항상 온라인, 클라우드 | GPS 차단·네트워크 제약 — 클라우드 없이 로컬 사고 |
| 사용자 | 사무실 엔지니어 | 분석가·운용자·전투원 — 명확하고 신뢰할 수 있는 실시간 출력 요구 |
| 규모 | 한 차량 내부 | 플릿·다영역·지휘구조 전반 |
“국방 버전의 자율성 생애주기는 실리콘밸리의 민첩성 + 전장의 회복력을 결합한 설계가 돼야 합니다.”
시연 → 우위로
- 미국·한국 포함 군대는 여전히 소규모 정교한 시스템 운용 경향. 협업 체계는 대규모로 배치·시험·개선될 수 있는 SW 요구
- 국방은 몇 개의 정교한 시제품이 아니라 지속 개선되는 플릿 — 수상 무인정·드론·지상 로봇이 함께 작전, 각 임무 학습, 밤마다 업데이트, 전력 전체에 교훈 공유
- “데이터와 소프트웨어를 21세기의 결정적 무기로 취급하는 모델”
소프트웨어 정의 시스템의 6대 가치
- 비용 절감·단순화 — HW 복잡성·통합 비용 최대 10배 감소
- 모듈성 — 센서·프로세서·무전기 교체 시 전 시스템 재인증 회피
- 기동성 — 타깃팅·내비·통신 모드까지 며칠 내 현장 투입
- 성능 — 전력·대역폭 제약 환경에서 신뢰 성능
- 신뢰 — 연속 업데이트가 더 안전한 모델을 즉시 푸시. 운용자가 개선을 직접 보기 때문에 신뢰 구축
- MUM-T(유무인체계) — 시뮬레이션·랩·실제 현장에서 인간기계 상호작용 반복 시험 — 단순 상호운용이 아니라 진정한 협업