Star-Fusion: 구면 위상학을 통한 이산 천체 방향을 위한 다중 모달 트랜스포머 아키텍처
요약
Star-Fusion은 자율 우주선 항법에 필수적인 천체 방향 결정 문제를 다루는 새로운 다중 모달 트랜스포머 아키텍처입니다. 기존의 LIS 알고리즘과 표준 딥러닝 모델이 가진 계산 오버헤드 및 비유클리드 위상학적 문제점을 해결하기 위해, 이 접근법은 천구를 일관된 영역으로 분할하여 문제를 '이산 위상 분류'로 재정의합니다. Star-Fusion은 광측정, 공간적 정지, 좌표 기반 정보를 융합하는 삼분류 전략을 사용하며, 높은 정확도와 낮은 추론 지연 시간을 동시에 달성하여 실시간 온보드 배포에 적합한 성능을 입증했습니다.
핵심 포인트
- 천체 방향 결정 문제를 이산 위상 분류 작업으로 재정의하여 비유클리드 좌표계 문제를 해결함.
- Star-Fusion은 광측정(SwinV2), 공간적 정지(CNN 히트맵), 기하학적 앵커링(MLP)을 결합한 다중 모달 트랜스포머 아키텍처를 사용함.
- 구면 K-Means 클러스터링을 통해 천구를 위상적으로 일관된 영역으로 분할하여 좌표 감싸기 문제를 완화함.
- 높은 Top-1 정확도(93.4%)와 낮은 추론 지연 시간(18.4 ms)을 달성하여 실시간 온보드 우주 임무에 적합함을 입증함.
신뢰할 수 있는 천체 자세 결정은 자율 우주선 항법에 있어 필수적인 요구사항이나, 기존 "Lost-in-Space" (LIS) 알고리즘은 높은 계산 오버헤드와 센서 유도 노이즈에 대한 민감도 문제를 겪는 경우가 많습니다. 딥러닝이 유망한 대안으로 부상했지만, 표준 회귀 모델은 천구의 비유클리드 위상학과 적경 (RA) 및 declination(Dec) 의 주기적 경계 조건에 의해 종종 혼란을 겪습니다. 본 논문에서는 천체 방향 추정 문제를 이산 위상 분류 작업으로 재정의하는 다중 모달 아키텍처인 Star-Fusion 을 제시합니다. 우리의 접근법은 구면 K-Means 클러스터링을 활용하여 천구를 위상적으로 일관된 K 개의 영역으로 분할함으로써, 좌표 감싸기 (coordinate wrapping) 아티팩트를 효과적으로 완화합니다. 제안된 아키텍처는 삼분류 융합 전략을 채택하며, 광측정 특징 추출을 위한 SwinV2-Tiny 트랜스포머 백본, 공간적 정지를 위한 컨볼루션 히트맵 브랜치, 기하학적 앵커링을 위한 좌표 기반 MLP 를 사용합니다. 합성 Hipparcos 파생 데이터셋에 대한 실험 평가에서 Star-Fusion 은 Top-1 정확도 93.4% 와 Top-3 정확도 97.8% 를 달성했습니다. 또한, 이 모델은 제한된 리소스를 가진 COTS 하드웨어에서 18.4 ms 의 추론 지연 시간을 유지하는 높은 계산 효율성을 보여주어, 차세대 위성 군집의 실시간 온보드 배포를 위한 실현 가능한 후보가 됩니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기