최근 수년간 위성은 지구관측, 기상예보, 우주탐사와 같은 다양한 분야에서 널리 활용되어 원격탐사와 텔레메트리를 통해 대규모 데이터를 생성하고 있다. 그러나 이러한 데이터는 주로 지표 변화나 대기 현상을 분석하는 데 사용되어 왔으며, 위성 시스템 자체의 이상 징후를 탐지하는 데의 적용은 제한적이었다. 전통적으로 이상 탐지는 탑재 센서와 지상 관제 센터를 기반으로 한 고장탐지·격리·복구(Failure Detection, Isolation, and Recovery; FDIR) 기법에 의존해 왔다. 최근에는, 여러 협력 위성 간 교차 관측 및 위성과 지상국 간 관측을 통해 이상 상태를 탐지하는 접근법에 대한 관심이 증가하고 있다. 특히 우주 기반 태양광 발전 시스템과 같은 임무 전용 위성 군집의 경우, 원격탐사 및 텔레메트리 데이터를 활용하는 인공지능(AI) 기반 분석의 필요성이 강조되고 있다. 본 총설은 원격탐사 데이터를 이용한 AI 기반 위성 이상 탐지에 관한 최근 연구 동향과 대표적 사례 연구를 포괄적으로 검토하고, 향후 연구 방향에 대한 관점을 제시한다.

나로우주센터(Naro Space Center)의 발사 방위각은 한반도 남쪽 방향으로 170 ± 10도 이내로 제한되어 있으며, 이는 극궤도, 태양동기궤도(sun-synchronous orbit) 및 안전 범위 문제에 적합하다. 이러한 상황에서 위성을 GEO(정지궤도)로 보내는 한 가지 방안은 상승 중 도그레그(dog-leg) 기동을 수행하여, 이러한 제한 조건 하에서 중경사 궤도를 형성하는 것이다. 그러나 이 방안은 도그레그 기동과 더불어 비행기(궤도면) 변경 기동이 필요하므로 막대한 에너지가 요구된다. 유일하게 남는 선택지는 달의 중력을 이용하여 근지(경사)각을 0에 가깝게 낮춘 후, 기동 없이 고도 35,786 km에서 지구 주변으로 복귀하는 방식으로 근지점(apogee)을 달로 올리는 것이다. 달 보조 GEO 이전을 설계하기 위해 가능한 모든 경로를 정의하지만, 계절 변동이 이들 잠재적 경로 전체에 어떻게 영향을 미치는지에 대해서는 여전히 의문이 남아 있다. 따라서 본 연구는 고정밀 동역학 모델, 근 찾기(root-finding) 알고리즘, 그리고 잘 정렬된 초기 조건을 사용하여 2031년의 모든 이용 가능한 궤적을 설계하고 분석하고자 하며, 계절 추세의 영향을 중심으로 평가한다. 시뮬레이션 결과, 달-지구(cislunar) 왕복 무기동 궤적은 일반적으로 달-주위(circumlunar) 왕복 무기동 궤적보다 더 적은 ΔV를 요구하는 것으로 나타났다. 또한 귀환 비행 시간이 상대적으로 짧기 때문에 달-태양 및 달-태양계(lunisolar) 효과의 영향은 달-주위 궤적에 미미하였다. 반대로 달-지구 궤적은 계절 변동을 보이므로, 봄과 가을 계절은 귀환 소요 시간이 상대적으로 길기 때문에 여름과 겨울 계절에 비해 최대 20 m/s 더 적은 ΔV가 필요하다.

위성의 광학 영상에 존재하는 도로의 형태와 유형에 대한 정보는 디지털 지도 제작과 도로 변화 모니터링에 유용하다. KOMPSAT 3 및 3A에 탑재된 탑재체(payload)로부터 수집된 광학 영상 데이터를 처리하고 구조화하면, 도로 검출 알고리즘의 개발과 이를 활용한 도로 정보 추출을 가속할 수 있다. 특히, 딥러닝 기술 적용을 위해 준비된 AI(Artificial Intelligence) 학습 데이터셋으로 구축된다면, 컴퓨터과학 분야의 최신 인공지능 기술을 위성 영상 기반 도로 검출 분야로 파생시켜 다양한 분석을 시도할 수 있다. 한국항공우주연구원(Korea Aerospace Research Institute)은 한국 기업들과의 위성 광학 영상을 활용하여 AI 학습용 이미지 데이터셋을 구축하였으며, 본 논문에서는 해당 데이터셋의 종류와 규모, 그리고 데이터셋 활용의 예시를 설명한다. 구축된 데이터는 웹사이트 aihub.or.kr를 통해 사용할 수 있다.

본 논문에서는 연성 토양의 특성과 달 표면의 경사각을 고려하여, 착륙 안정성을 분류한 지도(classification map)로 달 착륙선의 착륙 안정성을 예측하는 방법을 제안한다. 먼저 경사각, 마찰계수, 연성/강성 지반에 따라 유한요소(Fe) 시뮬레이션을 수행하여, 수평한 달 표면에 달 착륙선을 낙하시킴으로써 안전(=안정), 미끄럼(=불안정), 전도(=정적으로 불안정) 가능성에 관한 착륙 안정성 조건을 확인하였으며, 이때 수직 착지 속도는 3 m/s로 유지하였다. 모든 시뮬레이션 결과는 기계학습 분류 알고리즘인 로지스틱 회귀(logistic regression)의 도움을 받아 분류 지도(classification map)로 분류하였다. 마지막으로, 마찰계수, 경사각, 강성/연성 지반으로 구성된 10,000개의 입력 데이터에 대하여 분류 지도를 단순히 참조함으로써 몬테카를로(MC) 시뮬레이션으로 착륙 안정성 상태를 효율적으로 예측하였다. 성능을 입증하기 위해 LRO 임무의 3D 지형 지도에 기반한 두 가지 가상 달 표면을 사용하였다. 이어서 연산 비용이 큰 달 착륙선 FE 모델의 착륙 시뮬레이션을 통해 착륙 안정성을 검증하였다. 예측 결과는 약 수 초 수준의 무시할 만한 연산 비용을 가지고, 착륙 시뮬레이션 결과와 우수한 일치성을 보였다.