• 한국시뮬레이션학회논문지
• /
• 제20권1호
• /
• pp.69-77
• /
• 2011

최근 군은 과거 냉전시대와 다른 상황에 능동적으로 대처하고 비용 대비 훈련의 효과를 극대화하기 위한 방안으로 모델링 시뮬레이션 기법에 많은 관심을 보이고 있다. 이 모델링 시뮬레이션을 이용한 훈련이 효과적이기 위해서는 좀 더 사실적인 전장 환경과 전투상황을 모의해야 하는데, 최근에 이를 위해서 컴퓨터상에서 인간 행위와 부대의 집단논리를 표현하는 CGF(Computer Generated Forces)에 대한 기술 개발이 주목받고 있다. 인간 행위를 모델링하는 CGF는 자동화된 병력을 모의함으로써 적군을 모의하거나 미래 전투실험, 새로운 전투개념 개발 등 중요하면서도 다양한 역할을 수행 할 수 있다. 이번 연구에서는 CGF 가상군인의 자율지능화의 방안을 고찰해보고자 한다. 군사시뮬레이션상의 가상군인의 자율지능화의 첫걸음인 과업행위 목록의 적용을 과업행위의 기본요소인 METT+T를 기반으로 그 적용과정을 설명한다. 또한 군사모의 논리는 참 진의 이진값 표현이 외에도 '보유 무기가 충분하면 급속 공격을 빠르게 하라'와 같은 모의 규칙상에서는 군사 전문가에 의해서 결정될 수밖에 없는 '충분하다', '빠르다'와 같은 퍼지 팩트가 존재한다. 이러한 주관성이 가미된 많은 군사모의 논리를 완벽히 표현하기 위해서는 퍼지 추론을 이용하는 것이 효과적인데, 이를 이번 소부대 전투 시뮬레이션에 적용하여 보다 사실적인 모의가 가능하도록 하였다.

• 한국군사과학기술학회지
• /
• 제25권4호
• /
• pp.390-400
• /
• 2022

Military deception is an action executed to deliberately mislead enemy's decision by deceiving friendly forces intention. In the lessons learned from war history, deception appears to be a critical factor in the battlefield for successful operations. As training using war-game simulation is growing more important, it is become necessary to implement military deception in war-game model. However, there is no logics or rules proven to be effective for CGF(Computer Generated Forces) to conduct deception behavior automatically. In this study, we investigate methodologies for CGF to learn and conduct military deception using Reinforcement Learning. The key idea of the research is to define a new criterion called a "deception index" which defines how agent learn the action of deception considering both their own combat objectives and deception objectives. We choose Korea Marine Corps Amphibious Demonstrations to show applicability of our methods. The study has an unique contribution as the first research that describes method of implementing deception behavior.

• 전자공학회논문지CI
• /
• 제48권5호
• /
• pp.42-48
• /
• 2011

에이전트는 특정 목적을 위해 행동을 하는데 이것은 자율지능형 가상군(Computer Generated Forces, CGF)의 공통된 요소이다. 목적을 달성하기 위해 지정된 스크립트를 따라 행위를 하거나 업무 수행의 계획을 세우는 것을 기본적인 에이전트의 지능이라 볼 수 있는데 이보다 더 발전된 지능 에이전트는 계획을 세우는 것뿐만 아니라 계획했던 수행이 어려울 때 계획을 다시 수정하거나 새로운 계획을 적응적으로 만들어내는 것이다. 계획을 수행 할 때 에이전트가 목적을 위한 적응적 행동을 하려면 목표를 달성할 가능성이 적어질 때 스스로 계획을 수정하고 이러한 방식으로 수정되는 방법을 계속적으로 학습하여 차후 같은 경우에는 학습이 반영된 더 좋은 계획 및 전술을 반영하도록 해야 한다. 즉, 목표와 현재의 상태를 실시간으로 분석하고 측정하여 목표 달성도를 정량적으로 계산하고 측정값이 임계값보다 적으면 수정된 계획을 선택하도록 하는 것이다. 본 논문에서는 위와 같이 에이전트가 목표 달성 가능성이 적어질 때 적응적으로 계획을 새롭게 수정하여 적용하는 방법을 연구한 목적 지향적 행위계획 방법을 제안한다.

• 한국시뮬레이션학회논문지
• /
• 제29권2호
• /
• pp.35-47
• /
• 2020

인구수 감소와 국방개혁으로 인한 병력 감축, 4차 산업혁명 기술의 초고도화에 따른 기술적 요인으로 국방 M&S의 개체를 자동화 모의하는 것은 이제 군의 현실적인 목표가 되었다. 자동화 모의 기술의 사용자인 군과 기술을 개발해야 하는 공학자들의 공통된 방향설정이 필요한 시점이다. 본 연구는 향후 국방 M&S의 자동화 모의 연구를 위한 가이드라인을 제시한다. 이를 위해, 먼저 자동화 모의를 가능하게 방법론들 규칙-기반방법, 에이전트-기반방법, 학습-기반방법에 대해 논의하고, 이어서 이러한 방법론을 어떠한 방향으로 개발해야 하는지에 대해 논의한다. 연구를 통해 국방 M&S의 자동화 모의 기술 연구가 본격화 되고, 군과 개발자 사이의 간극이 좁혀지기를 기대한다.

• 전자공학회논문지CI
• /
• 제48권5호
• /
• pp.49-54
• /
• 2011

사례기반 추론(Case-Based Reasoning, CBR)은 새로운 문제가 주어질 때 과거의 유사한 문제해결 사례를 기반으로 그 해법을 적절히 변용함으로써 새로운 문제에 적합한 해결책을 효율적으로 도출하고자 하는 문제해결 방법으로 인간이 문제를 해결해 나가는 절차와 매우 유사하여 일상생활 속에 널리 사용되고 있다. 본 연구에서는 이러한 사례기반 추론을 국방 전술 시스템에 적용하여, 전투행위 시 과거의 유사한 사례를 기반으로 현재의 상황에 가장 적절한 전술을 사용할 수 있도록 하는 시스템을 설계하고자 한다. 국방 전술 시스템의 경우, 분대원(Non-Player Character, NPC)들이 모여 분대 규모의 작전을 수행할때, 분대는 최종 목표에 도달하기 위해 정해진 작전에 따라서 행동하게 된다. 이 과정에서 공격, 매복, 전술적 이동 등의 행위를 위한 전술이 구성되어야 한다. 다시 말해 주변 환경, 엄폐물의 위치, 적의 위치에 따라 상황에 맞는 새로운 전술이 필요하며 이러한 전술은 분대장 혹은 소대장 등이 교범에서 배운 과정과 경험에서 축적된 지식을 토대로 생성된다. 본 연구는 사례기반 추론을 사용하여 각 지휘통제 에이전트를 통해 정보가 전달되면 사례기반 데이터베이스에 저장되어 있는 사례와 유사도를 측정하고 가장 적절한 사례를 선택하여 사용하며 새로운 사례는 사례 데이터베이스에 저장하여 다음 번 사례검색 시 사용될 수 있도록 시스템을 설계한다.