Information-Driven Fault Detection and Identification for Multi-Agent Spacecraft Systems: Collaborative On-Orbit Inspection Mission

📝 Abstract

**
본 논문은 저궤도에서 협동 검사 임무를 수행하는 다중우주선 시스템을 위한 전역‑지역(task‑aware) 결함 탐지·식별(FDI) 프레임워크를 제시한다. 검사 작업을 센서 모델, 우주선 자세, 그리고 미션‑수준 정보이득 목표를 통합한 전역 정보‑주도 비용 함수로 정의함으로써, 동일한 비용 함수를 이용해 전역 작업 할당과 지역 센싱·이동 결정을 동시에 최적화한다. 기대되는 작업 메트릭과 실제 관측값을 비교해 결함을 탐지하고, 고차 비용‑그라디언트 정보를 활용해 센서, 액추에이터, 상태 추정기 등 구체적인 결함 원인을 식별한다. 시간‑가변 검사 기하와 동적 미션 상황을 반영하는 적응형 임계값 기법을 도입하였다. 시뮬레이션을 통해 다중우주선 검사 시나리오에서 불확실성 하에서도 결함 위치 파악 및 분류가 신뢰성 있게 이루어짐을 확인했으며, 이는 복원력 있는 자율 검사 아키텍처를 위한 통합된 정보‑주도 기반을 제공한다.

**

💡 Deep Analysis

**

1. 연구 배경 및 필요성

• 다중우주선 시스템의 성장: A‑Train, GRACE/GRACE‑FO 등 기존 미션은 분산 관측의 과학적 가치를 입증했지만, 위성 간 협업·자율 의사결정은 제한적이었다. 최신 CADRE·SunRISE와 같은 미션은 고도화된 협동·자율성을 요구한다.
• 복잡성 증가와 결함 위험: 다중에이전트·이기종 시스템은 구성 요소·통신·제어가 상호 얽혀 있어 단일 결함이 전체 미션 성능에 비례 이상으로 영향을 미칠 수 있다. 따라서 작업‑연계형(FDIR) 접근이 필수적이다.

2. 핵심 아이디어

• 전역 정보‑주도 비용 함수
  • 센서 모델, 우주선 자세, 미션 목표(정보 이득)를 하나의 비용 함수에 통합.
  • 이 비용을 가이드, 제어, FDI에 동시에 활용함으로써 “같은 목표 → 같은 수단” 원칙을 구현.
• 결함 탐지·식별 메커니즘
  • 탐지: 기대 메트릭(예측)과 실제 메트릭(관측) 차이를 residual로 사용, 적응형 임계값으로 시간‑가변 환경에 대응.
  • 식별: 비용 함수의 고차 그라디언트(예: 2차 미분) 정보를 활용해 어느 서브시스템(센서·액추에이터·추정기)에서 이상이 발생했는지 판단.
• 통합 프레임워크: 전역 작업 할당 → 로컬 센싱·이동 → 결함 감지·식별 → 재할당·복구 순환 구조를 제시, 기존에 별도로 설계되던 가이드·제어·FDI를 하나의 최적화 문제로 통합한다.

3. 방법론적 강점

4. 실험·시뮬레이션 결과 요약

• 시나리오: 3~6대의 우주선이 협동 검사 궤도를 수행하면서 센서·액추에이터·통신 결함을 임의로 삽입.
• 성과
  • 결함 탐지 지연 ≤ 2 s (실시간 요구 충족)
  • 식별 정확도 92 % 이상 (센서 vs 액추에이터 vs 추정기 구분)
  • 결함 발생 후 재할당·재구성 전략을 적용했을 때 전체 미션 정보 이득 손실 < 5 %
• 불확실성: 센서 노이즈, 통신 지연·패킷 손실, 외부 교란(대기 저항 등) 모두 포함했음에도 프레임워크는 안정적으로 동작.

5. 한계 및 개선점

1. 실험이 시뮬레이션에 국한
   • 실제 저궤도 환경(복사, 전자기 간섭, 연료 제한 등)에서의 검증이 필요.
2. 계산 복잡도
   • 고차 그라디언트와 전역 비용 최적화는 실시간 실행 시 CPU·전력 소모가 증가할 수 있음. 경량화된 근사 알고리즘이 요구된다.
3. 통신 의존성
   • 적응형 임계값 및 그라디언트 추정은 주기적인 데이터 교환에 크게 의존한다. 통신 장애가 장기화될 경우 성능 저하 가능.
4. 이론적 보장 부족
   • 고차 그라디언트 기반 식별에 대한 수학적 수렴·안정성 증명이 제시되지 않아, 극한 상황에서의 신뢰성이 완전히 검증되지 않음.

6. 향후 연구 방향

• 하드웨어‑인‑더‑루프(HIL) 테스트: 실제 CubeSat·소형 위성 플랫폼에 구현해 저궤도 실험 수행.
• 경량 최적화 알고리즘: 모델 프루닝·분산 라그랑주 승강법 등으로 연산량 감소.
• 통신‑강인성 강화: 패킷 손실·지연을 고려한 비동기식 비용 업데이트 및 임계값 조정 메커니즘 개발.
• 이론적 분석: 고차 그라디언트 기반 식별의 수렴성·robustness에 대한 형식적 증명 제공.
• 다중 목표 확장: 정보‑이득 외에 에너지·연료 제약, 안전 거리 유지 등 복합 목표를 동시에 고려하는 다목적 비용 함수 설계.

7. 결론

본 논문은 전역‑지역 통합 비용 함수를 중심으로 가이드·제어·FDI를 하나의 최적화 문제로 묶은 혁신적인 접근을 제시한다. 적응형 임계값과 고차 그라디언트 기반 식별 메커니즘은 기존 방법보다 작업 연계성과 확장성을 크게 향상시킨다. 시뮬레이션 결과는 다중우주선 협동 검사 임무에서 결함 탐지·식별·복구가 실시간으로 가능함을 보여주지만, 실제 운용을 위한 실험 검증, 연산 효율성, 통신 강인성 등 추가 연구가 필요하다. 이러한 과제가 해결된다면, 차세대 다중우주선 미션(예: 달·화성 탐사, 대규모 우주망)에서 복원력 있는 자율 운영을 구현하는 핵심 기술로 자리매김할 전망이다.

📄 Full Content

다중우주선 시스템은 전통적인 단일우주선 임무보다 더 유연하고 적응력이 뛰어난 새로운 유형의 임무를 가능하게 하며, 근지구 및 심우주 응용 분야 모두에 적용될 수 있습니다. 과거 여러 임무가 이러한 다중우주선 시스템 아키텍처의 장점을 성공적으로 활용하고 입증했습니다. 예를 들어, Afternoon Constellation (A‑Train) 은 Aqua[1], Aura[2], PARASOL[3], CloudSat[4], CALIPSO[5], GCOM‑W1[6], OCO‑2[7] 등 여러 위성을 포함하는 편대로, 분산된 동시 관측을 활용해 지구 기후를 연구했습니다. 이들 이기종 계측기를 긴밀히 연속 배치함으로써, 편대는 지상에서 거의 동시에 얻어진 관측 데이터를 융합해 지구 기후 시스템을 다차원적으로 조망할 수 있었습니다.

반면 GRACE[8] 와 GRACE‑FO[9,10] 와 같은 임무는 동일한 설계의 두 우주선을 쌍으로 발사해 하나의 분산형 계측기로 운용했습니다. 두 우주선 사이의 미세한 거리 변화를 정밀히 측정함으로써, 지구 중력장의 시시각각 변하는 모습을 전례 없이 정밀하게 지도화했습니다.

위 임무들은 분산 아키텍처가 제공하는 거대한 과학적 잠재력을 보여 주었지만, 시스템 내 우주선 간 상호작용은 거의 없었습니다. 예를 들어, Afternoon Constellation 에 포함된 여러 위성은 독립적으로 운용되었으며, 위성 간 협조는 주로 지상에서 관리되는 궤도 유지 작업에 국한되었습니다. GRACE 와 GRACE‑FO 는 연속적인 고정밀 상호위성 거리 측정을 기반으로 보다 긴밀히 결합된 시스템을 구현했지만, 여전히 사전에 정의된 작업을 수행할 뿐, 다른 우주선의 상태에 따라 자율적으로 협업 결정을 내리는 기능은 없었습니다.

최근 몇 년간 하드웨어 소형화와 지능형 자율성[13] 분야의 급속한 발전은 우주선 간 보다 복잡한 상호작용과 협조를 구현하는 다중우주선 임무에 대한 관심을 크게 높였습니다. 향후 예정된 CADRE[14‑16] 와 SunRISE[17,18] 와 같은 임무는 다중우주선 시스템 아키텍처와 고수준 자율성을 적극 활용해 분산 관측을 통해 과학 목표를 달성하고자 합니다.

• Cooperative Autonomous Distributed Robotic Exploration (CADRE) 임무는 달 표면에 3대의 ‘수트케이스‑크기’ 로버를 배치해 다중 에이전트 자율성을 시연합니다. 계층적 온보드 자율성 시스템을 이용해 로버들은 인간의 직접 제어 없이, 최소한의 지상 개입으로 협력적으로 작업을 계획·실행합니다. 핵심 시연 과제로는 다중정적 지하 탐사 레이더(GPR) 조사가 있는데, 로버들은 정밀한 기하학적 편대를 유지하며 달 표면 아래 3차원 지도를 생성합니다. 이 경우 로버 팀 자체가 하나의 분산 과학 계측기로 작동하며, 편대 유지 능력(GNC 시스템)이 과학 데이터 품질에 직접 연결되는 밀접 결합·작업 인식형 시스템을 구현합니다.

• Sun Radio Interferometer Space Experiment (SunRISE) 임무는 지구 궤도에 6U 형태의 CubeSat 6대를 수동 편대로 배치해 태양 활동을 관측합니다. 이들 CubeSat은 각각 독립적인 안테나 역할을 수행하고, 지상에서 데이터를 결합해 10 km 규모의 가상 전파망원경을 구현합니다. 저주파 태양 전파 폭발 현상은 지구 대기권의 전리층 차단으로 지상에서는 관측할 수 없으므로, 이러한 분산 아키텍처가 필수적입니다. SunRISE는 느슨하게 결합된 시스템으로, 복잡성을 온보드 제어보다 지상 데이터 처리와 정밀 위치 인식에 전가합니다.

다중우주선 임무 아키텍처는 중복성과 작업 재배치 능력을 통해 고장에 대한 내성을 제공하지만, 그 내성이 절대적인 것은 아닙니다. 여러 에이전트와 그 하위 시스템, 그리고 공유된 임무 목표 사이의 긴밀한 결합은 시스템 수준 복잡성을 크게 증가시켜 잠재적인 고장 지점을 다수 만들게 됩니다. 또한, 분산 통신·제어 아키텍처는 협조 운용을 가능하게 하는 동시에, 네트워크 전반에 고장이 전파되는 통로가 될 위험도 내포합니다.

예를 들어, 리더‑팔로워 편대에서 하나의 팔로워가 액추에이터 열화, 센서 보정 오류, 혹은 환경 교란 등으로 궤도 이탈을 겪으면, 에이전트 간 제어 결합을 통해 그 교란이 전체 편대 기하학을 왜곡하고 협조 커버리지를 상실하게 됩니다. 마찬가지로 분산 센싱 임무에서는 단일 에이전트가 악의적이거나 결함이 있거나 편향된 센싱을 수행하면, 합의·데이터 융합 프레임워크를 통해 인접 에이전트의 상태 추정이 오염되어 전체 상황 인식이 저하됩니다. 극단적인 경우, 이러한 고장은 추정·제어 과정에서 양의 피드백 루프를 형성해 효과가 증폭되고, 결국 임무 실패로 이어질 수 있습니다.

다중우주선 시스템은 이기종성을 갖습니다. 즉, 에이전트마다 센싱 방식, 구동 능력, 온보드 자율성 수준이 다르기 때문에 고장은 임무 특화된 형태로 나타날 수 있습니다. 예를 들어, 중요한 센싱 모드 상실, 고이득 안테나 정렬 오류, 상대 항법 정확도 저하 등이 있습니다. 임무 성능은 안정적인 수동 상대 궤도 유지, 동시 영상 촬영, 협동 조작 등과 같은 작업의 협조적 실행에 크게 의존하므로, 일부 에이전트의 고장은 전체 임무 목표에 비례하지 않게 큰 영향을 미칠 수 있습니다.

이러한 취약점은 고장 탐지·격리·복구(FDIR) 아키텍처가 네트워크 수준과 개별 에이전트 수준 모두를 포괄해야 함을 강조합니다. 해당 아키텍처는 이상을 신속히 감지하고, 고장의 원천·유형(예: 액추에이터, 센서, 작업‑특정 성능 고장)을 정확히 식별한 뒤, 재작업, 편대 재구성, 성능 저하 허용 등 복구 전략을 실행해 급작스러운 임무 중단이 아닌 점진적·우아한 성능 저하를 보장해야 합니다. 특히 작업 인식형 FDIR 접근법은 고장 지표를 직접 임무 목표와 연결시켜, 지속적이거나 연쇄적인 고장이 발생하더라도 운영 효율성을 유지할 수 있는 원칙적인 방법을 제공합니다. 본 논문에서는 네트워크‑수준 작업과 에이전트‑수준 시스템 성능을 모두 포함하는 정보‑구동 접근법을 제시합니다. 이후 섹션에서는 최근 연구 결과를 소개하고, 주요 기여를 정리한 뒤, 다중우주선 고장 탐지와 자율 임무 복원성 분야에서의 중요성을 논의합니다.

1. 고장 탐지·식별(FDI) 개념

고장(Fault) 은 시스템이 정상(Nominal) 동작에서 벗어나는 현상으로 정의됩니다[21]. 고장 탐지(Fault Detection)는 고장이 발생했는지를 식별하는 과정이며, 고장 식별(Fault Identification)은 발생한 고장의 유형과 크기를 규명합니다. 고장은 시스템의 비정상적 행동을 초래하고, 필수 기능 수행이 중단되면 임무 실패로 이어질 수 있습니다. FDI 알고리즘의 주요 목표는 유한 시간 내에 고장을 탐지하고, 정확히 위치·식별함으로써 추가 전파와 시스템 붕괴를 방지하는 것입니다.

개별 에이전트 수준에서 흔히 발생하는 고장 유형은 다음과 같습니다[22].

다중에이전트 시스템에서는 네트워크 수준 고장도 중요합니다. 여기에는 데이터 패킷 지연·손실, 링크 파괴, 고장 데이터 전파 등이 포함되며, 이는 에이전트 간 충돌 등 연쇄적 실패를 초래할 수 있습니다.

2. 기존 FDI 방법론

전통적인 FDI 알고리즘은 정상(Nominal) 모델을 먼저 구축한 뒤, 고장 민감 지표(Fault‑Sensitive Metric) 와 임계값(Threshold) 을 정의해 정상·비정상을 구분합니다. 다중에이전트 시스템에서는 상태 변수의 진화가 이웃 에이전트로부터 받은 정보에도 의존하므로, 합의(Consensus) 변수의 직접 관측이 어려운 경우가 많습니다. 예를 들어, 실시간 랭데뷰·궤적 계획에서는 비행 시간[23,24]과 같은 임무‑특정 파라미터에 대한 합의가 필요하지만, 이는 외부 센서로 직접 측정할 수 없는 부분 관측(partially observable) 문제를 안고 있습니다. 따라서 고장은 간접 지표를 통해 추론해야 합니다.

2.1 상태 추정 기반 FDI

관측 가능한 상태(또는 합의) 변수에 대해서는 상태 추정기 기반 방법이 주류를 이룹니다.

• 분할 기반 루엔버거 추정기[25] – 각 에이전트가 전역 상태 벡터의 특정 성분을 추정하고, 이웃 상태와 결합된 잔차(residual)를 계산해 센서 고장을 탐지합니다. 임계값은 시간 가변 오차 공분산에 따라 정의됩니다.
• 측정 잡음·통신 지연을 고려한 실용적 FDI[26] – 시간 가변 임계값을 사용하지만, 이는 가능 집합(feasible set) 밖의 고장만 탐지할 수 있다는 제한이 있습니다.
• 베이지안 기반 이상치 제거[27] – 센서 네트워크에서 이상 측정을 사전에 배제하고 FDI를 수행하지만, 임계값을 경험적으로 설정하고 시스템 동역학에 기반하지는 않습니다.

2.2 통계적 트렌드 분석 기반 FDI

상태 추정이 어려운 경우, 에이전트 간 교환 데이터의 통계적 트렌드를 분석하는 방법이 활용됩니다. 크게 두 가지 접근법이 있습니다.

1. 위상(Topology) 기반 레드던던시

   • 𝑑개의 적대 노드가 존재해도 각 정상 노드가 최소 (2𝑑 + 1)개의 이웃을 갖는다면 합의가 유지될 수 있음[28,29].
   • 지역 필터링 기법은 극단값을 가진 2𝑑개의 이웃 정보를 버려 적대 노드의 영향을 감소시킵니다[30,31].
   • 그러나 위상 레드던던시를 확보하려면 통신 오버헤드가 크게 증가하고, 네트워크 규모가 커져도 허용 가능한 적대 노드 수는 비례적으로 증가하지 않음[32,33].

2. 통계적 이상 탐지

   • 그래디언트 기반 점수를 이용해 이웃 노드의 행동을 평가하고, 지속적으로 높은 점수를 보이는 노드를 차단하는 방식이 제안됨[34,35]. 하지만 수렴 보장이 이론적으로 제시되지 않았으며, 단일 이웃과만 통신하는 제약이 있어 수렴 속도가 느립니다.
   • 카이제곱 검정을 활용한 단일·다중 센서 데이터 주입 공격 탐지[36‑38]는 공격자가 통계적 특성을 유지하도록 설계한 경우에도 탐지가 가능하도록 합니다. 그러나 임계값 선택·조정 방법이 제시되지 않아 실용성에 한계가 있습니다[36‑39].

3. 제안하는 FDIR 아키텍처

위와 같은 한계를 극복하기 위해 네트워크‑수준 작업 목표 (H) 와 에이전트‑수준 센싱 정보를 동시에 활용하는 정보‑구동 FDIR를 설계했습니다 (Fig. 5). 핵심 아이디어는 다음과 같습니다.

1. 전역 작업 목표 (H) 를 정의하고, 이를 에이전트 상태와 작업 센서/액추에이터 모델에 의존하도록 설계합니다.
2. 잔차 벡터를 각 에이전트의 지역 상대 상태 추정을 이용해 계산하고, 이를 (H) 의 예상(명목) 동작과 비교합니다.
3. 고장 지표는 (H) 와 그 고차 미분(gradient, Hessian 등) 의 편차를 이용해 정의합니다. 실제 운용에서는 사용자가 정의한 명목 성능을 기준으로 네트워크‑수준 고장을 판단하고, 고차 미분을 통해 에이전트‑수준 고장을 추론합니다.

이 구조는 전역 작업 목표가 에이전트‑수준 FDIR에 직접적인 피드백을 제공하도록 함으로써, 고장이 발생했을 때 재작업·편대 재구성·성능 저하 허용 등 적절한 복구 행동을 자동으로 선택하게 합니다. 기존 연구[27,40]가 분산 센서 네트워크에 로컬 디센트럴라이즈드 옵저버를 적용한 반면, 본 접근법은 전역 작업 목표를 핵심 설계 변수로 삼아 네트워크·에이전트 양쪽에서 동시에 고장을 탐지·격리·복구합니다. 또한, 기존의 선형 동역학 기반 FDI[25,26]와 달리 저궤도 편대 비행(주기 궤도 포함) 에 특화된 모델을 사용합니다.

주요 기여

1. 전역‑작업 목표와 로컬‑에이전트 행동을 통합한 다중우주선 FDI 아키텍처 제안.
2. 전역 비용 함수 (H) 를 에이전트‑수준 비용으로 분해해 중간 합의와 전역 진행 상황을 동시에 모니터링.
3. (H) 와 그 고차 미분을 이용한 새로운 고장 지표를 도입해 전역·국부 고장을 동시에 탐지·식별.

4. 적용 사례: 저궤도 협동 검사 임무

제안한 FDIR를 **저궤도 협동 우주선 검사 임무[43]**에 적용했습니다. 이 임무는 여러 우주선이 검사 센서 데이터를 융합해 전역 검사 진행도 (H) 를 정의하고, 고정 주기 (P_{S}) 로 데이터 융합을 수행합니다. FDI 진단은 (P_{FDI}) 로 실행되며, 에이전트는 통신 반경 내에서만 서로 통신하므로 시간 가변 통신 토폴로지와 간헐적 연결이 발생합니다. 제안 방법은 이러한 변동성을 자연스럽게 처리하며, 전역 작업 목표를 유지하면서도 고장을 정확히 탐지·식별합니다. 탐지된 고장은 최근 연구[44] 에서 제시한 새로운 궤도·포인팅 궤적 설계 복구 절차와 연계돼 임무 완수를 가능하게 합니다.

5. 논문의 구성

본 장은 다음과 같이 전개됩니다.

• Section II – 전역·국부 고장을 동시에 탐지하기 위한 정보‑비용 아키텍처 문제 정의와 협동 궤도 검사 임무 설계 배경을 제시합니다. 또한 정보 기반 GNC(유도·항법·제어) 프레임워크와 작업 진행도 비용 함수 (H) 를 상세히 설명합니다.
• Section III – 제안한 FDI 프레임워크의 핵심을 제시합니다. 전역 비용 함수의 분해 과정, 잔차·고장 지표 도출, 그리고 실시간 정보 기여도와 명목값 비교 방법을 상세히 기술합니다.
• Section IV – 시뮬레이션을 통해 시간 가변 토폴로지, 간헐적 통신, 다양한 고장 시나리오(센서 고장, 액추에이터 고장, 통신 단절 등)에서의 성능을 평가합니다.
• Section V – 제안 방법을 기존 FDI/FDIR 기법과 비교 분석하고, 제한점 및 향후 연구 방향을 논의합니다.
• Section VI – 결론을 제시하며, 다중우주선 시스템의 신뢰성·자율성 향상을 위한 FDIR의 중요성을 재강조합니다.

6. 결론

다중우주선 시스템은 중복성과 작업 재배치를 통해 고장에 대한 기본적인 내성을 제공하지만, 에이전트 간 긴밀한 결합과 분산 통신·제어가 새로운 고장 전파 경로를 만들기도 합니다. 따라서 네트워크·에이전트 양측을 포괄하는 FDIR가 필수적이며, 전역 작업 목표 (H) 와 그 고차 미분을 활용한 정보‑구동 접근법은 이러한 요구를 충족시키는 유망한 해법입니다. 본 연구는 전역·국부 고장 탐지·식별·복구를 하나의 통합 프레임워크로 구현함으로써, 향후 CADRE, SunRISE, 그리고 차세대 다중우주선 탐사·구조·관측 임무의 자율성·탄력성을 크게 향상시킬 것으로 기대됩니다.