본 논문은 국제 우주 정거장(ISS)의 자유비행 로봇 Astrobee에서 기계 학습 기반 웜 스타트를 사용하여 궤적 최적화를 가속화하는 최초의 비행 실증 결과를 제시합니다. 순차적 볼록 프로그래밍(SCP)으로 해결되는 궤적 생성 문제의 구조를 학습하는 신경망을 훈련하는 데이터 기반 최적 제어 방식을 제시합니다. 훈련된 신경망은 궤적 생성 문제에 대한 해결책을 예측하고 SCP 솔버를 사용하여 시스템의 안전 제약 조건을 적용합니다. 회전 역학이 포함된 경우 솔버 반복 횟수를 60% 줄이고, 웜 스타트 모델의 훈련 분포에서 추출된 장애물이 있는 경우 50% 줄이는 결과를 보였습니다. 이는 우주 비행 응용 분야에서 학습 기반 제어의 사용에 있어 중요한 이정표이며, 자율 유도, 항법 및 제어를 위한 기계 학습의 미래 발전을 위한 디딤돌입니다.
