TL;DR
RocketSmith는 LLM을 설계 오케스트레이터로 활용해 시뮬레이션·CAD·슬라이서 툴을 연계하여 DFAM 파이프라인을 자동화한 사례이다. 이 시스템은 설계-검증-제조의 반복 루프에서 인간의 반복 작업을 줄이고 수치 검증 가능한 툴에 책임을 위임함으로써 설계 정확도를 확보했다. 실제 제작과 발사시험에서 두 기를 재비행 가능한 상태로 회수하고 시뮬레이션 대비 약 80~84%의 고도 일치도를 보여 시뮬레이션과 실험의 연결 가능성을 입증했다.
왜 중요한가
RocketSmith는 LLM을 설계 오케스트레이터로 활용해 시뮬레이션·CAD·슬라이서 툴을 연계하여 DFAM 파이프라인을 자동화한 사례이다. 이 시스템은 설계-검증-제조의 반복 루프에서 인간의 반복 작업을 줄이고 수치 검증 가능한 툴에 책임을 위임함으로써 설계 정확도를 확보했다. 실제 제작과 발사시험에서 두 기를 재비행 가능한 상태로 회수하고 시뮬레이션 대비 약 80~84%의 고도 일치도를 보여 시뮬레이션과 실험의 연결 가능성을 입증했다.
핵심 기여
LLM 중심의 에이전트 아키텍처로 DFAM 파이프라인 자동화
에이전트는 자연어 제약을 입력받아 OpenRocket에서 구성 요소 트리를 생성하고 build123d로 파라메트릭 STEP 파일을 작성하며 PrusaSlicer로 무게 및 툴 패스를 산출하는 전체 파이프라인을 오케스트레이션했다. 각 단계의 수치적 출력이 다음 단계의 입력으로 사용되어 닫힌 검증 루프가 형성되었다. 이 구조는 LLM의 비결정적 추론을 외부 툴의 결정적 결과로 보완하는 방식으로 구현되었다.
분할된 서브에이전트와 스킬로 컨텍스트 오염을 방지하는 설계
로켓스미스는 rocketsmith, cadsmith, openrocket, prusaslicer 등 6개 서브에이전트를 사용해 각 도메인 전용 컨텍스트를 유지했다. 스킬 집합은 motor-selection, stability-analysis, generate-structures 등 반복 작업의 표준화된 워크플로를 제공했다. 이 구조는 긴 작업을 서브태스크로 분해해 컨텍스트 창의 오버플로우와 의미적 혼선을 줄였다.
물리적 제작과 발사시험을 통한 엔드투엔드 검증
연구진은 RocketSmith로 설계한 네 기의 고출력 로켓을 FDM 프린터로 출력해 조립하고 현장 발사시험을 수행했다. 두 기는 회수 후 재비행 가능한 상태였고 두 기의 고도는 시뮬레이션 대비 각각 약 80%와 84%를 기록해 시뮬레이션-실험 일치성을 확인했다. 실패 사례도 분석해 제조·조립·지연 점화 등 현실적 제약을 시스템 개선 지점으로 식별했다.
파라메트릭 CAD( build123d )와 슬라이서 연계로 수치 검증 루프 확보
build123d로 생성한 파라메트릭 Python 스크립트는 STEP 파일과 정확한 바운딩박스·체적 값을 산출해 PrusaSlicer의 슬라이스 결과와 연동되었다. 슬라이서에서 산출한 무게가 OpenRocket의 질량 오버라이드로 피드백되어 안정성 계산이 보정되었다. 이 과정은 시각적 판단에 의존하지 않고 수치적 비교로 설계 반복을 가능하게 했다.
핵심 아이디어 이해하기
로켓 설계의 핵심 문제는 연속된 도구들 사이에서 파라미터와 수치가 일관되게 전달되지 않으면 치수 오차가 누적되어 비행 불안정이나 회수 실패로 이어진다는 점이다. 기존의 LLM 기반 텍스트-투-모델 접근은 기하학적 정밀도와 수치적 검증 신호가 부족하여 치수 오류가 축적되는 한계가 있었다. 또한 긴 설계-제조 컨텍스트를 하나의 모델 창에 담으면 컨텍스트 윈도우 한계와 의미적 오염이 발생한다.
방법론
RocketSmith는 LLM을 오케스트레이터로 두고 OpenRocket, build123d, PrusaSlicer 세 가지 결정적 도구를 워크플로에 연결했다. 사용자는 자연어 제약을 입력하면 LLM이 subagent와 skill을 호출해 OpenRocket에서 구성 요소 트리를 수립하고 그 치수를 기반으로 build123d 스크립트를 생성하며 STEP 파일을 출력하도록 지시한다. 생성된 STEP 파일은 PrusaSlicer로 슬라이스되어 예측 무게와 툴패스를 산출하고 이 무게 데이터가 OpenRocket의 질량 오버라이드로 환류되어 안정성 계산과 궤적 시뮬레이션을 갱신한다.
관련 Figure

이 다이어그램은 RocketSmith의 전체 아키텍처와 검증 루프를 시각적으로 집약한다. 각 블록이 독립 툴과 서브에이전트에 대응하며 아래쪽의 Manufacturing/Launch/Recovery 검증 단계까지 연결되는 흐름이 파이프라인의 결정적 검증 원리를 강조한다. GUI, 시뮬레이션, CAD, 제조의 분리가 시스템 설계 철학과 일치한다.
시스템 개요 다이어그램으로 사용자 프롬프트에서 시작해 Component Tree, Flight Simulation, Part Generation, Component Assembly가 연결되는 워크플로를 나타낸다.

이 스크린샷은 시스템이 OpenRocket의 구성 데이터를 읽어와 CAD 파트 생성 로그와 통합된 GUI 상태를 실시간으로 표시하는 과정을 보여준다. 세션 로그의 존재는 자동화된 툴 호출과 그 결과 추적이 가능함을 의미하며 디버깅과 검증에 필요한 정보 흐름을 가시화한다. 또한 사용자에게 진행 상태를 제공하는 read-only 대시보드 설계가 확인된다.
OpenRocket과 RocketSmith GUI 스크린샷으로 Component Tree와 CAD 미리보기, 세션 로그가 함께 보인다.

터미널 기반 에이전트 하니스와 웹 기반 대시보드의 병행 사용은 사용자 입력을 통해 제어하면서도 시스템의 상태를 실시간으로 모니터링할 수 있는 운영 모델을 제시한다. 이 구성은 human-in-the-loop 워크플로와 zero-shot 자동화 둘 다에 유연하게 대응할 수 있는 운영적 이점을 보여준다. 로그 창은 각 툴 호출의 결과와 에러 메시지를 추적 가능하게 만든다.
터미널에서 Claude Code로 명령을 입력한 화면과 전체 프로젝트 대시보드가 나란히 보이는 GUI 레이아웃 스냅샷이다.
주요 결과
실험에서는 네 기의 고출력 로켓을 출력·조립·발사해 실현 가능성을 검증했다. High Power 1과 High Power 4는 계측을 통해 각각 측정 고도가 예측치의 약 80%와 84%를 기록했으며 두 기는 안정적인 발사를 달성했다. 이 중 두 기는 회수 후 재비행 가능한 상태로 판정되었고 다른 두 기는 회수 실패 또는 구조적 손상으로 재비행 불가 판정을 받았다.
관련 Figure

실제 발사 장면은 설계된 공기역학적 안정성이 구현되어 비행 중 기울기나 날림 현상이 적었음을 시각적으로 뒷받침한다. 특히 노즈콘과 꼬리면 구성이 설계대로 작동했음을 보여 실전 검증 맥락에서 중요한 증거로 작용한다. 영상은 결과의 정성적 신뢰도를 높인다.
발사 장면을 연속 촬영한 사진으로 발사 시의 안정성과 추진력 발현을 시각화한다.
기술 상세
시스템 아키텍처는 메인 에이전트(rocketsmith)와 도메인별 서브에이전트(openrocket, cadsmith, prusaslicer, manufacturing, gui)가 협업하는 형태로 구성되었다. 각 서브에이전트는 자체 시스템 프롬프트와 컨텍스트 창을 보유해 부모 컨텍스트 오염을 방지하며 필요한 경우 결과 요약을 부모에 반환한다. 도구 호출은 MCP(Model Context Protocol) 규약을 따르며 각 호출은 입력 스키마와 출력 스키마를 명시해 스키마 불일치 오류를 줄였다.
관련 Figure

코드 창과 3D 렌더링의 병치는 파라메트릭 CAD가 스크립트 변경으로 즉시 모델에 반영되는 워크플로를 실무적으로 보장함을 나타낸다. 이 구성은 수치적 검증(바운딩박스, 체적 등)을 자동화된 파이프라인에 연결하는 기술적 근거를 제공한다. 실패 시 파이썬 예외로 기하학적 오류를 포착하는 점도 중요한 구현 세부사항이다.
build123d 코드 에디터와 렌더링된 파트 뷰로 파라메트릭 스크립트와 3D 모델의 대응을 보여준다.

슬라이서 출력은 STEP에서 G-code로 변환될 때 얻어지는 수치적 무게 추정과 재료 사용량을 제공해 OpenRocket의 무게 오버라이드에 활용되는 핵심 데이터 소스임을 알 수 있다. 이 정보는 시뮬레이션의 질량 입력을 실제 출력 예상값으로 보정하는 닫힌 루프의 한 축을 이룬다. 슬라이서 파라미터(층고, 인필, 벽 수)는 제조 품질과 구조적 성능에 직접적 영향을 준다.
PrusaSlicer에서 파트 슬라이스 결과를 보여주는 스크린샷으로 추정 인필, 사용 필라멘트 양, 예상 프린팅 시간 등이 표시된다.

이 도면은 Center of Pressure와 Center of Gravity 계산이 설계 의사결정의 핵심임을 명확히 보여준다. 설계마다 바플, 회수 베이, 전자 베이의 위치와 핀 수가 달라 안정성 계산에 직접적인 영향을 준다는 점이 도식적으로 드러난다. 안정성 계산 식과의 연결이 설계 검증 루프의 수학적 기반을 보강한다.
로켓 단면과 CP/CG 위치, 다양한 핀 배치를 도식화한 설계 도면으로 각 모델의 내부 구성과 안정성 관련 지점을 나타낸다.
한계점
연구에서는 여전히 수작업 개입이 포함되어 있어 완전 무인 흐름으로 전환되지는 않았다. 특히 STEP 파일의 슬라이싱과 실제 출력 설정은 연구진의 수동 조정으로 수행되어 자동화 파이프라인의 일부 단계가 인간의 판단에 의존했다. ABS로 출력한 부품에서 균열과 같은 제조 결함이 관찰되어 소재·온도 제어와 빌드 챔버 관리가 추가 개선이 필요한 한계로 확인되었다.
실무 활용
RocketSmith는 설계 제약을 자연어로 입력하면 파라메트릭 CAD 생성과 슬라이서 연계를 통해 제작 가능한 부품을 자동으로 생성하는 엔드투엔드 파이프라인을 제공한다. 이 시스템은 제조 전 시뮬레이션 검증과 제조 후 실측값을 환류해 설계를 보정하는 실무 워크플로에 적합하다. GitHub 저장소를 통해 플러그인 형태로 배포되어 실무 적용 가능성이 있다.
- 프로토타입 단계에서 설계-시뮬레이션-제조의 반복을 자동화해 설계 사이클 시간을 단축하는 용도
- 교육 및 연구 환경에서 학생이나 연구자가 안전한 조건으로 고출력 로켓 설계를 실습하는 용도
- 제조 공정 제약을 고려해 파라메트릭 부품을 자동 생성하고 현장 프린터 제한에 맞춰 분할 설계를 수행하는 용도
코드 공개 여부: 공개
코드 저장소 보기키워드
추가 이미지 분석

현장 사진은 서로 다른 빌드 볼륨과 소재 특성에 따른 파트 분할 전략의 필요성을 뒷받침한다. 예를 들어 긴 동축 바디는 Voron-2-Tall로 출력했고 작은 노즈콘은 Ender 계열로 출력해 빌드 제약을 설계 단계에서 고려했음을 보여준다. 사진은 제조 단계에서 발생한 크랙 현상과 빌드 챔버 제어의 중요성을 직관적으로 보조한다.
여러 FDM 프린터에서 출력 중인 부품 사진으로 Ender 시리즈와 Voron-2-Tall 같은 빌드 장비들이 보인다.
용어 해설
- Agentic System
- — LLM을 주체로 하여 도구 호출, 서브에이전트, 상태 관리로 복합 작업을 자율적으로 수행하는 소프트웨어 플랫폼을 의미한다. 본문에서는 설계·시뮬레이션·제조 툴을 호출해 DFAM(Design for Additive Manufacturing) 파이프라인을 자동화하는 실행 주체 역할을 한다. 도구 호출과 컨텍스트 분할로 긴 작업을 여러 하위 작업으로 분해하고 검증 가능한 출력을 생성하는 것이 핵심이다.
- Tool Calling
- — LLM이 외부 API나 프로그램 함수를 호출하여 결정적 결과를 얻고 그 출력을 다시 컨텍스트로 흡수하는 상호작용 방식이다. 본문에서는 OpenRocket, build123d, PrusaSlicer 같은 외부 툴을 호출해 시뮬레이션 결과와 CAD·슬라이싱 파일을 생성하는 데 사용되었다. 이 방식은 LLM의 추론을 수치적으로 검증 가능한 단계와 연결해 반복적 최적화를 가능하게 한다.
- Model Context Protocol (MCP)
- — 에이전트와 툴 사이의 호출 규격과 컨텍스트 전송 규칙을 정의하는 표준 프로토콜을 의미한다. 본문에서는 MCP 준수를 통해 스키마 불일치나 의미적 오류를 줄이고 각 서브에이전트가 자신의 컨텍스트를 유지하도록 설계되었다. 프로토콜은 툴 호출의 determinism과 에러 핸들링을 명확히 하는 역할을 한다.
- Subagent
- — 메인 에이전트에 의해 특정 하위 작업을 담당하도록 생성되는 분리된 컨텍스트와 도구 집합을 가진 에이전트 인스턴스이다. 본문에서는 openrocket, cadsmith, prusaslicer 등 각 도메인 전용 서브에이전트가 별도의 컨텍스트 창을 유지해 부모 컨텍스트의 오염을 막았다. 최종 결과는 요약되어 부모의 의사결정에 반영된다.
- Parametric CAD
- — 변수화된 치수와 기하학적 연산으로 모델을 코드로 정의해 같은 스크립트로 다양한 치수 조합을 생성할 수 있는 CAD 접근법이다. 본문에서는 build123d로 파라메트릭 Python 스크립트를 생성해 STEP 파일을 작성하고 치수·체적·경계상자 검증을 자동화했다. 파라메트릭 접근은 국소적 수정만으로 정확한 재생산과 검증을 가능하게 했다.
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.