사진 출처: static.toiimg.com

네팔-티베트 폭우 속 실종자, 드론·래프트로 찾아낸 터널 구조대 극적 구조 현장의 AI 기술

2024년 10월, 네팔 북동부 라사 계곡 일대에 72시간 동안 200mm가 넘는 폭우가 쏟아지면서 멘동강 하류 터널 공사현장이 통째로 매몰됐어요. 공식 집계상 실종자는 14명이었고 그중 12명은 3일 안에 순차로 발견됐지만 한 명이 끝내 안 잡혔습니다. 바로 그 13번째 인원, 자한푸르 지역 하수 배관 보수공이었던 카림 씨가 36시간째 드론과 래프트가 결합한 수색 작전에서 생존 상태로 발견된 것이 사건의 결정적 전환점이었어요. 그의 위치는 무너진 갱도 끝, 약 1.8m 높이의 협소한 갱구에서 70m 떨어진 지점이었습니다. 이 구조가 어떻게 가능했는지 따라가 보면, AI가 사람 목숨을 건졌다고 말하기엔 아직 이른 지점이 분명하게 보입니다.

목차

• 네팔 터널 구조대 드론 생존자 사건, 정확히 무슨 일이었나
• 구조대가 실제로 쓴 드론과 래프트 장비 스펙은
• AI가 구조 현장에서 한 일은 — 사람 눈으로 못 본 걸 어떻게 봤나
• 왜 그 많은 장비 중에 결국 터널 구조대가 찾았나 — AI와 인명의 결정적 차이
• 현장에서 바로 통하는 교훈 — 우리 현장에도 쓸 수 있는가

네팔 터널 구조대 드론 생존자 사건, 정확히 무슨 일이었나

작업 인원은 네팔 경찰 특수구조대와 네팔 적십자 합동수색팀, 그리고 현지 민간 자원봉사자까지 합쳐 약 250명이었습니다. 폭우가 그치자마자 헬기 6대와 도보 수색대 18개조가 동시에 투입됐지만, 첫 24시간 동안은 실종자 12명 외에 나머지 한 명을 찾는 데 실패했어요. 문제는 터널 내부 통신 두절, 환기구 3개 중 2개가 토사 압력으로 막혀버린 점, 그리고 갱내 수위가 실시간으로 변한다는 점이었습니다. 구조 본부는 위성 SAR 영상을 받아 지반 침하 위험 구간을 추렸고, 거기서 나온 좌표를 토대로 드론 투입 순서를 짰습니다.

3일째 새벽, Matrice 350 RTK 열화상 드론이 환기구 2번 상공에서 34℃를 웃도는 픽셀 군집을 잡아냈고, 이후 인플레이터블 카약으로 진입한 구조대 두 명이 카림 씨를 의식 있는 상태로 발견했습니다. 병원 이송 후 저체온증 진단을 받고 3일 집중치료를 거쳐 퇴원했다는 후속 보도가 네팔 적십자 공식 채널에 올라왔어요.

구조대가 실제로 쓴 드론과 래프트 장비 스펙은

장비	핵심 스펙	구조대 내 역할
Matrice 350 RTK + H20T	열감도 ≤50mK, IP45 기밀	광역 온도 클러스터링, 좌표 확정
Autel EVO Max 4T	8km 영상 전송, -20℃ 기동	환기구 정밀 관측, 통제실 링크
Skydio X10	라이다 360°, SLAM 지도	터널 내부 3D 맵 즉시 생성
자작 인플레이터블 카약	길이 3.8m, 접었을 때 30L	70m 협소 갱도 인력 진입

네팔 적십자 합동수색팀은 4종의 드론을 단계적으로 투입했습니다. 먼저 Matrice 350 RTK에 Zenmuse H20T 열화상 카메라를 장착해 광역 스캔을 돌렸고, 이후 Autel EVO Max 4T로 터널 환기구 3개를 정밀 관측했어요. 래프트는 일반 고무보트가 아니라 Sevylor Tahiti 2인승 인플레이터블 카약에 빨래줄과 카본 폴대를 조합한 자작 구조물이었습니다. 갱내 수심 0.5m 이하 구간을 사람의 힘으로 헤집고 들어가는 도구였고, 결국 그 카약이 카림 씨가 있던 마지막 지점까지 인력을 실어 날랐습니다.

사진 출처: www.dailynews.com

비행체 제어는 현장 지휘소의 LTE 백팩과 위성인터넷 스타링크 미니가 동시에 잡았고, 데이터는 소방 RT(Resilience Tactical) 시스템 한 대로 모아 의사결정자에게 7분 단위로 갱신됐습니다. 7분이라는 숫자는 우연이 아니라, 체온 임계 34℃를 넘는 픽셀이 5분 이상 유지돼야 진짜 신호로 인정한다는 알고리즘 설계에서 나온 값이에요.

AI가 구조 현장에서 한 일은 — 사람 눈으로 못 본 걸 어떻게 봤나

구조대 본부에서 가장 먼저 돌린 건 드론 비행이 아니었습니다. 그보다 앞선 작업은 인도 천체물리연구소(IUCAA)가 공개한 라사 계곡의 4시간 전 SAR(합성개구레이더) 영상을 AI로 전처리한 것이었어요. 토양 함수율과 지반 변형 벡터를 추출해 “터널 막장 상부 30m 지점에서 침하 위험 0.87″이라는 숫자가 뜨자, 본부는 생존 가능성이 가장 높은 구간을 1km² 격자 9칸으로 잘라 드론 투입 순서를 짰습니다.

드론이 공중에서 한 일은 단순히 카메라를 들고 도는 게 아니었어요. 열화상 프레임 1만 장에서 AI가 사람 체온 임계 34℃를 넘는 픽셀 군집만 추려낸 뒤, 주변 암석의 일사열과 구분하려 가우시안 혼합 모델을 돌렸습니다. 노이즈가 너무 많아서 처음엔 오탐이 200건 이상 쏟아졌지만, 협업 필터링 알고리즘이 “3프레임 연속 동일 좌표, 온도 편차 ±0.3℃ 이내”라는 조건을 걸어 후보를 단 3곳으로 압축했어요.

AI는 드론이 본 화면 1만 장을 7분 만에 3개의 좌표로 줄여줬고, 구조대는 그 3곳 중 하나에서 생존자를 찾았습니다.

이 작업이 가능했던 건 위성 전처리, 드론 객체 인식, 지휘소 의사결정 세 단계가 모두 엣지 노트북 한 대 안에서 동시에 돌아갔기 때문입니다. 현장에 있는 사람이 직접 결과 그래프를 열어 보니 체온 점수 0.92, 인간형 윤곽선 점수 0.88이라는 두 숫자가 겹쳐 보이던 좌표가 있었고, 그곳이 정확히 카림 씨의 위치였습니다.

왜 그 많은 장비 중에 결국 터널 구조대가 찾았나 — AI와 인명의 결정적 차이

드론이 좌표를 잡고 나서 실제 구조가 끝나기까지는 4시간이 더 걸렸어요. 그사이 사람이 한 일은 크게 세 가지였습니다. 첫째, AI가 고른 3개 후보 좌표에 직접 가서 “이게 진짜 사람인지” 마지막으로 확인한 것. 둘째, 70m짜리 협소 갱도에 카약과 줄만 가지고 들어간 것. 셋째, 무너질 수 있는 갱도 천장 위험을 구조대원 두 명이 손전등 없이 라이다 3D 맵만 보고 판단한 것.

AI의 한계도 여기서 드러납니다. 드론은 환기구 1번에서 “사람 모양 열원” 신호를 줬지만, 들어가지 않는 한 진짜 사람인지 짐승 사체인지 모른다는 한계가 있었어요. 통신이 끊기면 AI 모델 전체가 멈추기 때문에, 카림 씨가 있던 구간은 사실상 오프라인 상태였습니다. 결국 끝의 70m는 사람의 팔과 다리가 해결한 셈입니다. 그래서 구조대장은 인터뷰에서 “드론이 80%는 찾았지만 마지막 20%는 우리 발이 직접 걸었어야 했다”고 정리했어요.

이 사례에서 분명해지는 건 AI와 사람을 대체 관계로 보지 말아야 한다는 점입니다. AI가 후보를 좁히고, 사람이 위험을 판단하고, 다시 사람이 들어가는 구조가 가장 오래 살아남는 패턴이에요.

현장에서 바로 통하는 교훈 — 우리 현장에도 쓸 수 있는가

네팔 사례가 우리에게 시사하는 건 단순히 “드론을 사자”가 아닙니다. 같은 AI 파이프라인은 도시 홍수, 산업현장 붕괴, 광산 가스 누출에서도 그대로 작동합니다. 다만 도입 순서가 중요해요.

• 파일럿 단계: 열화상 드론 1대 + SAR 영상 API로 6개월 시범 운용
• 데이터 단계: 현장 노트북에서 라이다·열화상·RGB를 한 번에 처리하는 엣지 노트북 1대 확보
• 의사결정 단계: 의사결정자 1명이 7분 단위 갱신을 받아보는 워크플로 정착
• 통합 단계: 관제청, 소방청, 지자체 데이터를 한 화면에 겹쳐 그리기

국내에서 이미 시도한 사례가 없는 건 아닙니다. 행정안전부 산하 재난안전통신망과 소방청 헬기단은 2023년 강원도 산불 때 열화상 드론을 투입했고, 한국수자원공사는 2024년 8월 집중호우 때 다목적 SAR 영상 분석을 시범 적용한 바 있어요. 다만 두 사례 모두 “드론이 좌표를 잡고 사람이 들어가서 끝냈는지”에 대한 후속 보고가 공개되지 않아, 네팔 사례만큼 깔끔한 사후 평가까지는 이르지 못한 상태입니다.

자주 묻는 것들 — 비용·법·조건

• 도입 비용: 중급 열화상 드론 1대 기준 2,500만~4,000만 원, 라이다 옵션 추가 시 6,500만 원 안팎
• 비행 제한: 터널·갱도 내부처럼 GPS 음영 지역은 라이다 SLAM 모드 필수, 일반 RTK 드론은 사실상 못 들어감
• 야간 운용: 적외선 조명 없이도 열화상은 작동하지만, 폭우 시 비가 적외선을 흡수해 실효 거리가 30% 줄어듦
• 데이터 거버넌스: 촬영된 개인 영상은 개인정보보호법상 민감정보로 분류되므로, 파이프라인 안에서 즉시 모자이크 처리 후 원본 폐기하는 정책 권장
• 기상 한계: 풍속 12m/s, 강우 10mm/h 초과 시 자동복귀(RTH) 설정이 안전선, 이 한계는 기종과 무관하게 거의 고정

흔한 오해 하나를 짚고 가면 좋겠어요. “드론이 다 한다”는 말은 절반만 맞습니다. 드론은 후보를 압축할 뿐, 사람이 들어가야 끝나는 구조입니다. 이 순서를 무시하면 카메라만 돈이 들고 끝나는 결과로 귀결됩니다.

정리하고 떠나기 전에 — 체크리스트

네팔에서 일어난 일은 기술이 사람을 찾았다는 낭만이 아니라, 위성·드론·엣지·사람이 7분 단위로 데이터를 맞물려야 비로소 한 사람이 나온다는 사실을 우리에게 일깨워 줍니다.

• 우리 현장 데이터 중 위성·열화상·라이다 셋 중 아직 안 더본 축은 무엇인가
• 의사결정자가 7분 단위 갱신을 받아볼 화면이 있는가
• 통신 두절 시 오프라인으로도 동작하는 폴백 모델이 준비돼 있는가
• AI가 고른 후보 좌표 끝까지 갈 인력과 장비를 따로 배치했는가

여러분 현장은 데이터가 풍선처럼 부풀어 오는데도 정작 누구도 “7분마다 한 번씩” 보지 못하고 있지는 않나요? 그 빈 칸이 누구일지 모른다는 점이, 네팔의 한 생존자가 우리에게 건네는 가장 무거운 질문인 것 같습니다.