기존 방법들은 위성이 언제 어떤 촬영 작업을 할지 결정할 때, 전력 한도나 열 제한 같은 운영 제약 조건이 이미 수학적으로 명시돼 있다고 가정했거든요

지구 관측 위성 스케줄링에서 "제약 조건을 모른 채로 최적화"하는 연구가 나왔어요.

기존 방법들은 위성이 언제 어떤 촬영 작업을 할지 결정할 때, 전력 한도나 열 제한 같은 운영 제약 조건이 이미 수학적으로 명시돼 있다고 가정했거든요. 실제론 이런 조건들이 엔지니어링 문서나 시뮬레이터 안에 묻혀 있어서 꺼내기가 어렵다는 게 문제였어요.

연구팀은 CCA(보수적 제약 획득)라는 방법을 제안했어요. AI가 실행 결과의 가능/불가능 여부만 알려주는 오라클과 대화하면서 제약 조건을 스스로 학습하는 방식이에요. 작업 50개짜리 복잡한 일정에서 기존 단순 방법 대비 오차를 65~68%에서 17.9%로 줄였고, 쿼리 횟수는 100번에서 21번으로 줄이면서 실행 시간도 5배 빨라졌어요.

제약 조건이 불분명한 현실 문제에서도 AI가 탐색하며 학습할 수 있다는 걸 보여주는 사례로, 우주 운용을 넘어 복잡한 산업 최적화 전반에 적용될 가능성이 있어요.