ESA
우리 사회가 그 어느 때보다 더 많은 데이터를 생산함에 따라 인공 지능인 AI를 통해 우리는 우주 프로그램을 포함하여 새로운 방식으로 데이터를 수집, 분석 및 활용할 수 있습니다. 이제 AI는 ESA의 NAVISP 프로그램 엔지니어링 팀에 의해 위성 항법에도 적용되어 유럽 산업 및 학계와 협력하여 항법의 미래를 창조하고 있습니다. 그 결과, 우주 및 지구 기상 예측을 개선하고, 자율주행차와 보트의 성능을 향상시키며, 민감한 영공에서 불량 드론을 식별하는 데 도움을 주기 위해 다양하게 사용되는 프로토타입 서비스 포트폴리오가 증가하고 있습니다.
위성 항법은 정밀 농업부터 전력망 관리, 금융 거래, 통신 링크에 이르기까지 단순한 운송 이상의 다양한 용도로 사용되며 우리 삶 곳곳에 존재합니다. 우주의 신호는 최적의 신호 조건에서 매우 정밀한 알고리즘을 사용하여 복잡한 수학적 모델을 통해 처리되어 센티미터 수준의 정확도를 제공합니다.
ESA의 내비게이션 혁신 및 지원 프로그램인 NAVISP는 새로운 제품, 시스템 및 서비스를 개발하여 전체 위치 확인, 내비게이션 및 타이밍, PNT 영역에 걸쳐 유럽 경쟁력을 향상시키려고 합니다. 이를 수행하고 위성 항법 성능을 더욱 향상시키는 한 가지 방법은 GNSS(Global Navigation Satellite System)를 관성 센서 및 머신 비전부터 5G 및 6G, 그리고 점점 더 인공 지능(AI)에 이르기까지 다른 기술과 결합하는 것입니다.
NAVISP 기술 프로그램 사무소 책임자인 Rafael Lucas Rodriguez는 "AI는 데이터 분석 시스템이든 자율 차량을 감독하는 내장 지능이든 컴퓨터가 지능을 모방할 수 있도록 하는 모든 기술로 구성됩니다."라고 설명합니다. “AI가 매우 잘하는 것은 이른바 머신러닝(ML)을 통해 의미 있는 정보를 추출하여 다른 방법으로는 볼 수 없는 유용한 패턴을 식별하는 것입니다. 위성 항법은 대량의 데이터를 생성하는 분야 중 하나이므로 우리 부문 내에서 AI는 새로운 접근 방식과 서비스의 기초 역할을 할 수도 있습니다.”
우주 기상 데이터 선별
첫 번째 단계는 ML 모델을 더 잘 훈련하기 위해 유용한 데이터에 액세스하는 것입니다. 데이터가 많을수록 더 좋습니다. NAVISP의 CAMALIOT 프로젝트는 참여 스마트폰에서 원시 GNSS 데이터를 수집하는 Android 앱을 기반으로 합니다. 앱이 휴대폰에 내장된 위성 항법 수신기를 통해 원시 GNSS 데이터를 획득할 수 있도록 사람들은 밤새 휴대폰을 창문 위에 두는 것만으로도 '시민 과학자'가 되도록 권장되었습니다. 현재까지 12,000명 이상의 자원봉사자가 참여하여 유럽과 전 세계를 대상으로 1,310억 개 이상의 측정값을 산출했습니다.
다음 단계는 ML을 적용하여 우주 기상 및 기후 영향으로 인해 GNSS 신호 전파에 영향을 미칠 수 있는 지구 대기의 전기적으로 활성화된 부분인 전리층의 변화와 관련된 데이터의 패턴을 찾는 것입니다. '비 퇴색'과 같이 지구 표면에 가장 가까운 대류권. 결과는 지구 및 우주 기상 예측의 정확성을 향상시킬 수 있는 잠재력을 가지고 있습니다.
AI가 자동차 포지셔닝을 강화하다
NAVISP의 AIGNSS 프로젝트는 PNT 연구의 가장 안전에 중요한 측면 중 하나인 자율 주행 서비스에서 GNSS 포지셔닝 성능을 향상시키는 데 AI 지원 알고리즘을 적용했습니다. Satnav는 보조 및 자율 주행을 위한 기본 기술로 차량이 현재 위치와 이동 속도를 추정할 수 있도록 하며 일반적으로 관성 센서, 카메라, 레이더, 기타 기회 신호와 같은 다른 위치 확인 방법과 함께 사용됩니다.
문제는 GNSS 성능이 주변 환경에 따라 크게 달라질 수 있다는 것입니다. 건물 및 기타 인공 구조물의 매끄러운 면은 '다중 경로'라고 알려진 잘못된 신호 반사를 유발할 수 있으며, 도심의 '도시 협곡 또는 두꺼운 나무 덮개'는 지역 하늘에 보이는 위성 수를 줄일 수 있습니다.
AIGNSS 프로젝트는 유럽의 갈릴레오를 포함한 여러 위성 항법 장치와 영국의 다양한 도로 설정의 주파수를 사용하여 실제 주행 데이터를 수집한 다음 정교한 신호 분석을 적용하여 다중 경로 간섭을 식별하고 거리 측정 오류를 추정했습니다. 사용된 다양한 알고리즘에 AI를 추가하면 성능이 향상되었지만 성격이 크게 향상되지는 않았습니다.