자율무기체계 지능화를 위한 시뮬레이션 기반 강화학습

• 영문명: Simulation Based Reinforcement Learning for the Intelligence Behavior of Autonomous Weapon System
• 발행기관: 한국시뮬레이션학회
• 저자명: 변재현 최민우 최은진 송이화 김진구 박성택 권오정 조남석
• 간행물 정보: 『한국시뮬레이션학회 논문지』제32권 제2호, 91~111쪽, 전체 21쪽
• 주제분류: 공학 > 기타공학
• 파일형태: PDF
• 발행일자: 2023.06.30

국문 초록

자율무기체계(AWS)의 막강한 군사적 파급력에도 불구하고 체계의 지능화와 관련된 실증연구는 부족한 것이 현실이다. 본 연구는 공학적인 관점에서 드론의 정찰 임무를 지능화하는데 필요한 개념에 대해 논의하고, 이를 구현하는데 필요한 기술들을 구체적으로 제시하고 실증한다. 이를 위해, 시뮬레이션 기반 학습의 프레임워크, 시뮬레이션 환경에서 지도학습과 강화학습의 연계, 항공 이미지 데이터를 이용한 비전기반 학습 등을 논의한다. 본 연구를 통해 자율무기체계의 지능화를 위한 시뮬레이션 기반 학습의 중요성과 가능성을 확인하였다. 본 연구는 AI 과학기술 강군 건설을 위한 기초연구로서 가치와 기여점이 있다.

영문 초록

Despite its strong military impact, there is a lack of empirical research related to the intelligence of Autonomous Weapon Systems (AWS). This study discusses the necessary concepts for intelligent reconnaissance missions of drones from an engineering perspective and provides concrete proposals for the required technologies to implement them. Specifically, the study explores Simulation-Based Learning frameworks, the integration of Supervised Learning and Reinforcement Learning in simulation environments, and Vision-Based Learning using aerial image data. Through this study, the importance and potential of Simulation-Based Learning for the intelligence behavior of AWS have been confirmed. This research holds value and contributes as foundational research for advanced AI technology in the military.

목차

1. 서론

2. 문헌 연구

3. 방법론

4. 실험환경 및 결과분석

5. Case-Study

6. 연구결론 및 향후과제

References

키워드

자율무기체계 정찰드론 시뮬레이션 기반 학습 강화학습 지도학습 Autonomous Weapon System(AWS) Reconnaissance Drone Simulation Based Learning Reinforcement Learning Supervised Learning