Probabilistic Methods for Initial Orbit Determination and Orbit Determination in Cislunar Space

이 논문은 3 체 역학이 지배하는 달간 공간에서 가우스 방법의 한계를 극복하기 위해, 노이즈가 포함된 관측 데이터의 운동학적 피팅을 통해 초기 궤도 상태를 추정하고 입자 가우시안 혼합 (PGM) 필터를 적용하여 장기적인 궤도 결정 정확도를 향상시키는 확률적 프레임워크를 제안합니다.

핵심

1. 문제 상황: "어두운 밤하늘에서 실루엣만 보이는 물체"

우리가 지구에서 달 근처를 지나는 우주선을 관측한다고 상상해 보세요.

• 기존 방법 (가우스의 방법): 과거에는 천문학자들이 "물체가 지구 주위를 타원 궤도로 돈다"는 가정 (케플러 법칙) 을 바탕으로, 짧은 시간 동안 세 번만 관측하면 위치와 속도를 정확히 계산할 수 있었습니다. 마치 공을 던졌을 때 그 궤적이 완벽한 포물선일 것이라고 믿는 것과 같습니다.
• 새로운 문제: 하지만 달 근처에서는 지구와 달의 중력이 동시에 작용합니다. 물체의 움직임은 더 이상 단순한 포물선이 아니라, 바람이 불고 물살이 치는 강물처럼 복잡하고 예측 불가능하게 휘어집니다. 그래서 기존의 "포물선 가정"은 무너지고, 물체가 어디로 갈지 전혀 알 수 없게 됩니다.

2. 해결책 1: "먼지 구름"으로 시작하기 (초기 궤도 결정, IOD)

연구진은 "정확한 궤도를 처음부터 알 수 없다면, 모든 가능성을 가진 '먼지 구름'으로 시작하자"고 생각했습니다.

• 비유: 밤하늘에서 희미한 별을 봤을 때, "저게 정확히 어디에 있나?"라고 한 번에 맞추려 하지 않습니다. 대신, "저 별은 저기 저쪽 100km 범위 안에 있을 거야"라고 **넓은 영역을 가정한 먼지 구름 (입자 군집)**을 만들어냅니다.
• 방법:
  1. 망원경으로 각도 (방위각, 고도) 를 여러 번 측정합니다.
  2. 거리는 정확히 모르니, "달까지의 거리 범위"라고 무작위로 추정합니다.
  3. 이렇게 만든 수천 개의 가상의 시나리오 (먼지 구름) 를 컴퓨터에 입력합니다.
  4. 이 구름들이 시간에 따라 어떻게 움직일지 **수학적 곡선 (다항식)**으로 꺾어 맞추어, 물체의 현재 위치와 속도를 추정합니다.

이 과정은 "정확한 답"을 찾는 게 아니라, **"정답이 이 구름 안에 있을 확률"**을 만드는 것입니다. 처음엔 구름이 너무 커서 (위치 오차 수만 km, 속도 오차 수 km/s) 정확하지 않지만, 일단 시작점은 잡은 셈입니다.

3. 해결책 2: "현명한 필터"로 구름을 다듬기 (궤도 결정, OD)

처음 만든 거대한 '먼지 구름'을 어떻게 줄일까요? 여기서 등장하는 것이 **PGM 필터 (입자 가우시안 혼합 필터)**입니다.

• 비유:
  • 일반 필터 (칼만 필터 등): 구름이 너무 크고 모양이 불규칙할 때, 이를 억지로 "원형"이나 "타원형"으로 맞춰보려 합니다. 하지만 달 근처의 복잡한 중력장에서는 물체가 원형으로 움직이지 않으므로, 필터가 "나는 다 알고 있어!"라고 너무 자신 있게 (Overconfidence) 판단하다가 오히려 물체를 잃어버립니다.
  • 이 연구의 PGM 필터: 이 필터는 구름을 **여러 개의 작은 뭉치 (클러스터)**로 나눕니다.
    • "이 뭉치는 관측 결과와 맞지 않으니 버리고,"
    • "저 뭉치는 맞으니 더 집중하고,"
    • "이 뭉치는 모양이 이상하니 다시 쪼개고..."
    • 이런 식으로 구름의 모양을 유연하게 변형시키며 정답을 찾아갑니다.

이 필터는 특히 **센서가 오랫동안 켜지지 않았을 때 (예: 150 일 동안 관측 불가)**에도 강력합니다. 다른 필터들은 10 일만 관측을 안 해도 물체를 잃어버리지만, 이 필터는 구름이 아무리 찢어지고 변형되어도 다시 하나로 모을 수 있는 능력을 가졌습니다.

4. 실험 결과: "혼돈 속에서도 길을 잃지 않다"

연구진은 세 가지 시나리오로 이 방법을 테스트했습니다.

1. 달 궤도 (NRHO): NASA 의 '게이트웨이' 우주정거장이 다니는 궤도.
2. 라그랑주 점 (L2): 중력이 균형을 이루는 불안정한 지점. 여기서 물체는 아주 작은 흔들림만으로도 완전히 다른 궤도로 날아갑니다.
3. 장기 관측 중단: 150 일 동안 아무것도 못 보고, 다시 관측했을 때.

결과:

• 기존 필터 (UKF, EnKF): 복잡한 궤도나 장기 중단 후에는 "나 이제 물체를 못 찾겠다"며 추적을 포기하거나, 엉뚱한 곳으로 날아가 버렸습니다.
• 이 연구의 PGM 필터: 초기 구름이 얼마나 거대하고 불확실했든, 관측 데이터가 들어오면 구름을 계속 다듬어 정확한 위치로 수렴시켰습니다. 심지어 150 일 동안 관측을 안 해도, 다시 관측하자마자 물체를 다시 찾아냈습니다.

5. 결론: "완벽한 답보다, 유연한 추측이 중요하다"

이 논문의 핵심 메시지는 다음과 같습니다.

"우주 공간, 특히 달 근처는 너무 복잡해서 '정확한 초기 정보'를 구하는 것은 불가능에 가깝습니다. 대신 불완전한 정보 (거리 불확실성) 를 받아들여 넓은 '가능성의 구름'을 만들고, 그 구름을 유연하게 다듬어가는 필터를 쓰면, 장기적으로도 우주 물체를 안전하게 추적할 수 있습니다."

이는 마치 어두운 방에서 실루엣만 보고 사람을 찾는 것과 같습니다. 처음엔 "저 사람이 저기 있을 수도 있고, 저기 있을 수도 있어"라고 넓게 잡지만, 조금씩 움직이는 모습을 보며 "아, 저기 있구나!"라고 좁혀가는 방식입니다. 이 새로운 방법은 우주 교통 관리를 위해 달 근처를 오가는 우주선과 쓰레기들을 안전하게 지키는 데 큰 도움이 될 것입니다.

기술 요약

이 논문은 지구 - 달 사이 (Cislunar) 공간에서의 우주 잔해물 (RSO) 및 우주선 추적 문제를 해결하기 위해 제안된 최소 가정 기반의 확률적 궤도 결정 (IOD) 및 궤도 추적 (OD) 프레임워크에 대한 연구입니다. 지구 - 달 시스템은 3 체 문제 (Three-body problem) 의 영향을 받아 기존의 케플러 역학 기반 방법론이 적용되지 않는다는 점에 착안하여, 새로운 접근법을 제시하고 있습니다.

다음은 논문의 주요 내용을 기술적으로 요약한 것입니다.

1. 문제 정의 (Problem Statement)

• 배경: 지구 - 달 사이 공간의 부피는 지구 정지궤도 (GEO) 이하 영역보다 약 1,000 배 크며, 이 영역의 역학은 지구와 달의 중력이 모두 작용하는 3 체 역학 (Circular Restricted Three-Body Problem, CR3BP) 으로 지배됩니다.
• 기존 방법의 한계: 전통적인 궤도 결정 방법인 가우스 (Gauss) 의 방법은 2 체 문제 (케플러 역학) 를 전제로 합니다. 그러나 지구 - 달 사이 공간에서는 궤도가 평면적이지 않고 타원형이 아닐 수 있어 가우스의 방법이 유효하지 않습니다.
• 기존 확률적 방법의 단점: 기존에 제안된 확률적 허용 영역 (Probabilistic Admissible Region, PAR) 방법들은 관측 장비의 성능, 관측 가능성, 표적의 기하학적 구조 등에 대해 많은 사전 가정 (A priori assumptions) 을 필요로 합니다.
• 목표: 최소한의 가정으로 초기 상태 추정치를 생성하고, 장기적인 추적 과정에서 불확실성을 줄일 수 있는 새로운 프레임워크 개발.

2. 방법론 (Methodology)

이 프레임워크는 **초기 궤도 결정 (IOD)**과 **궤도 추적 (OD)**의 두 단계로 구성됩니다.

A. 초기 궤도 결정 (IOD): 운동학적 피팅 (Kinematic Fitting)

• 개념: 가우스의 방법 대신, 관측자가 표적을 관측하는 동안 (약 10~20 시간) 얻은 연속적인 각도 (방위각, 고도) 및 거리 (Range) 정보를 활용합니다.
• 과정:
  1. 데이터 생성: 센서 잡음 통계 (각도 오차) 와 거리 정보 (고도 불확실성) 를 기반으로 수천 개의 측정 시나리오를 생성합니다. 거리 정보는 실제 측정이 어렵기 때문에, cislunar 공간의 범위 (약 84,000km ~ 550,000km) 에 대한 균일 분포 (Uniform PDF) 를 가정하거나 높은 잡음을 가진 거리 측정값을 사용합니다.
  2. 운동학적 피팅: 생성된 측정값들을 통해 표적의 위치 ($x, y, z$) 를 시간에 대한 다항식 스플라인 (Polynomial Spline) 으로 피팅합니다.
  3. 상태 추정: 피팅된 다항식을 시간으로 미분하여 속도 ($\dot{x}, \dot{y}, \dot{z}$) 를 구하고, 이를 통해 초기 상태 벡터 (위치 + 속도) 를 생성합니다.
  4. 입자 구름 (Particle Cloud): 수천 번의 시뮬레이션을 통해 생성된 초기 상태 추정치들은 '입자 구름' 형태로 표현되며, 이는 초기 상태의 확률 밀도 함수 (PDF) 를 형성합니다.

B. 궤도 추적 (OD): 입자 가우시안 혼합 (PGM) 필터

• 필터 선택: 초기 상태 PDF 가 비가우시안적 (Non-Gaussian) 이고, cislunar 역학이 비선형적이기 때문에 확장 칼만 필터 (EKF) 나 무향 칼만 필터 (UKF) 는 실패할 수 있습니다. 따라서 입자 가우시안 혼합 (Particle Gaussian Mixture, PGM) 필터를 사용합니다.
• PGM 필터 작동 원리:
  1. 전파 (Propagation): 비선형 역학 모델을 사용하여 입자들을 전파합니다.
  2. 클러스터링 (Clustering): 전파된 입자들을 $k$-means 알고리즘 등을 사용하여 여러 개의 가우시안 성분 (Cluster) 으로 그룹화합니다.
  3. 측정 업데이트 (Measurement Update): 각 가우시안 성분에 대해 앙상블 칼만 필터 (EnKF) 업데이트를 적용하여 관측 데이터와 융합합니다.
  4. 리샘플링 (Resampling): 가중치가 낮은 성분은 제거하고, 새로운 입자를 샘플링하여 필터를 유지합니다.
• 장점: PGM 필터는 입자 고갈 (Particle Depletion) 문제를 해결하고, 복잡한 비선형 및 비가우시안 분포를 효과적으로 모델링할 수 있습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

연구진은 3 가지 다른 궤도 시나리오를 통해 프레임워크의 유효성을 검증했습니다.

1. 9:2 공명 근직선 헤일로 궤도 (9:2 Resonant NRHO):

   • NASA 의 게이트웨이 (Gateway) 임무와 관련된 궤도입니다.
   • 최소한의 거리 가정 (균일 분포) 으로 생성된 거대한 초기 상태 불확실성을 PGM 필터가 성공적으로 축소했습니다.
   • 6 회 통과 후 위치 정확도는 1,000km 이상에서 1.57.5km 로, 속도 정확도는 1.45.6km/s 에서 18~45cm/s 로 10,000 배 이상 개선되었습니다.

2. L2 라그랑주 점 통과 궤도:

   • L2 점은 역학적으로 불안정하여 초기 조건에 민감하게 반응합니다.
   • 10 일간의 센서 오프 (Sensor Shutoff) 시나리오에서, 상태 추정이 심하게 왜곡되고 비가우시안적으로 변형되었음에도 PGM 필터가 단일 관측으로 다시 수렴하여 표적을 추적하는 데 성공했습니다.

3. 3:1 NRHO 궤도 및 극단적 센서 오프:

   • 150 일간의 극단적인 센서 오프 시나리오를 테스트했습니다.
   • 기존 필터 (UKF, EnKF) 는 오프 기간 동안 상태 추정이 붕괴되거나 일관성을 잃었지만, PGM 필터는 오프 기간 후에도 추가 관측만으로 추적 능력을 유지했습니다.
   • 이는 장기간 관측이 끊겨도 IOD 를 다시 수행할 필요 없이 PGM 필터만으로 추적 유지가 가능함을 보여줍니다.

4. 다른 필터와의 비교:

   • UKF (Unscented Kalman Filter): 초기에는 성능이 좋았으나, 시간이 지남에 따라 과도한 자신감 (Overconfidence) 을 보여 장기 추적 시 실패했습니다.
   • EnKF (Ensemble Kalman Filter): 비선형성에 대해 더 유연했으나, 초기 상태가 너무 크고 비가우시안적일 경우 엔트로피가 급증하며 추적 능력을 상실했습니다.
   • PGM 필터: 비선형 역학과 비가우시안 초기 조건 모두에서 가장 강건 (Robust) 한 성능을 보였습니다.

4. 의의 및 결론 (Significance & Conclusion)

• 최소 가정의 실현: 지구 - 달 공간의 복잡한 3 체 역학 환경에서도 케플러 역학이나 구체적인 궤도 요소에 대한 강한 가정 없이, 관측 데이터와 운동학적 피팅만으로 초기 상태를 확률적으로 추정할 수 있음을 증명했습니다.
• 장기 추적 능력: 장기간의 센서 오프 (Sensor Shutoff) 상황에서도 PGM 필터를 활용하면 표적의 '소유권 (Custody)'을 잃지 않고 추적할 수 있음을 입증했습니다. 이는 향후 달 기지 및 심우주 탐사 임무에서의 우주 교통 관리 (Space Traffic Management) 에 필수적입니다.
• 한계 및 향후 과제:
  • 지구 근처의 매우 낮은 궤도 (예: 평면 거울 궤도) 에서는 거리 하한선 설정이 어려울 수 있으며, 이 경우 클러스터링 알고리즘의 개선이 필요합니다.
  • 타원 제한 3 체 문제 (ER3BP) 나 4 체 문제 등 더 정교한 역학 모델로의 확장 및 실제 관측 데이터에 대한 적용이 향후 과제로 제시되었습니다.

요약하자면, 이 연구는 cislunar 공간이라는 복잡하고 혼란스러운 환경에서, 기존의 가우스 방법이나 단순한 칼만 필터로는 해결하기 어려운 초기 궤도 결정 및 장기 추적 문제를 운동학적 피팅 기반의 확률적 IOD와 PGM 필터 기반의 OD를 결합하여 성공적으로 해결한 획기적인 사례입니다.