인공지능(AI)를 교전상황에 활용하는 것은 최근 10년간 국방 분야의 주요 관심사였다. 이러한 응용을 위해서, AI 교전에이전트를 훈련해야 하며, 이를 위해 현실적인 시뮬레이션이 반드시 필...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A106823925
문일철 (한국과학기술원) ; 정민재 (티맥스 소프트) ; 김동준 (한국과학기술원) ; Moon, Il-Chul ; Jung, Minjae ; Kim, Dongjun
2020
Korean
KCI등재
학술저널
39-46(8쪽)
0
0
상세조회0
다운로드국문 초록 (Abstract)
인공지능(AI)를 교전상황에 활용하는 것은 최근 10년간 국방 분야의 주요 관심사였다. 이러한 응용을 위해서, AI 교전에이전트를 훈련해야 하며, 이를 위해 현실적인 시뮬레이션이 반드시 필...
인공지능(AI)를 교전상황에 활용하는 것은 최근 10년간 국방 분야의 주요 관심사였다. 이러한 응용을 위해서, AI 교전에이전트를 훈련해야 하며, 이를 위해 현실적인 시뮬레이션이 반드시 필요하다. 하드웨어 차원의 현실성을 가진 공중 무기체계 공중전 모델에서 AI 에이전트를 학습한 사례에 대해서 본 논문은 서술하고 있다. 특히, 본 논문은 기총만을 활용하는 공중전 상황에서 적을 어떻게 추적해야하는지 AI를 학습하였다. 본 논문은 현실적인 공중전 시뮬레이터를 작성하여, 에이전트의 행동을 강화학습으로 수행한 결과를 제시한다. 훈련 결과로는 Lead 추적을 활용하여 단축된 교전시간과 높은 보상을 갖는 에이전트의 학습에 성공하였다.
다국어 초록 (Multilingual Abstract)
The utilization of artificial intelligence (AI) in the engagement has been a key research topic in the defense field during the last decade. To pursue this utilization, it is imperative to acquire a realistic simulation to train an AI engagement agent...
The utilization of artificial intelligence (AI) in the engagement has been a key research topic in the defense field during the last decade. To pursue this utilization, it is imperative to acquire a realistic simulation to train an AI engagement agent with a synthetic, but realistic field. This paper is a case study of training an AI agent to operate with a hardware realism in the air-warfare dog-fighting. Particularly, this paper models the pursuit of an opponent in the dog-fighting setting with a gun-only engagement. In this context, the AI agent requires to make a decision on the pursuit style and intensity. We developed a realistic hardware simulator and trained the agent with a reinforcement learning. Our training shows a success resulting in a lead pursuit with a decreased engagement time and a high reward.
참고문헌 (Reference)
1 이동진, "강화학습을 이용한 무인전투기(UCAV) 근접 공중전" 249-252, 2009
2 Breton, R., "The C-OODA:A cognitive version of the OODA loop to represent C2 activities" 2005
3 박현주, "Scoring Function Matrix를 활용한 전투기 3 차원 공중전 기동생성" 442-445, 2015
4 Ng, A. Y., "Policy invariance under reward transformations:Theory and application to reward shaping" 99 : 278-287, 1999
5 Sutton R. S., "Policy Gradient Methods for Reinforcement Learning with Function" 2000
6 Sutton, R. S., "Introduction to reinforcement learning (Vol. 135)" MIT press 1998
7 Ernest, N., "Genetic fuzzy based artificial intelligence for unmanned combat aerial vehicle control in simulated air combat missions" 6 (6): 2167-0374, 2016
8 Shaw, R. L., "Fighter Combat" Naval Institute Press 1985
9 Toghiani-Rizi, B., "Evaluating deep reinforcement learning for computer generated forces in ground combat simulation" IEEE 3433-3438, 2017
10 박현주, "Differential Game Based Air Combat Maneuver Generation Using Scoring Function Matrix" 한국항공우주학회 17 (17): 204-213, 2016
1 이동진, "강화학습을 이용한 무인전투기(UCAV) 근접 공중전" 249-252, 2009
2 Breton, R., "The C-OODA:A cognitive version of the OODA loop to represent C2 activities" 2005
3 박현주, "Scoring Function Matrix를 활용한 전투기 3 차원 공중전 기동생성" 442-445, 2015
4 Ng, A. Y., "Policy invariance under reward transformations:Theory and application to reward shaping" 99 : 278-287, 1999
5 Sutton R. S., "Policy Gradient Methods for Reinforcement Learning with Function" 2000
6 Sutton, R. S., "Introduction to reinforcement learning (Vol. 135)" MIT press 1998
7 Ernest, N., "Genetic fuzzy based artificial intelligence for unmanned combat aerial vehicle control in simulated air combat missions" 6 (6): 2167-0374, 2016
8 Shaw, R. L., "Fighter Combat" Naval Institute Press 1985
9 Toghiani-Rizi, B., "Evaluating deep reinforcement learning for computer generated forces in ground combat simulation" IEEE 3433-3438, 2017
10 박현주, "Differential Game Based Air Combat Maneuver Generation Using Scoring Function Matrix" 한국항공우주학회 17 (17): 204-213, 2016
11 Silver, D., "Deterministic Policy Gradient Algorithms" 32 : 2014
12 Lillicrap T. P., "Continuous Control with Deep Reinforcement Learning" 2016
탄도탄 요격시험 안전구역 산출을 위한 모델링 및 시뮬레이션
특징집합 IG-MLP 평가 기반의 최적화된 특징선택 방법을 이용한 질환 예측 머신러닝 모델
유전율 및 투자율에 따른 인공자계도체 특성 및 다이폴 안테나 간 상관관계 분석
학술지 이력
연월일 | 이력구분 | 이력상세 | 등재구분 |
---|---|---|---|
2026 | 평가예정 | 재인증평가 신청대상 (재인증) | |
2020-01-01 | 평가 | 등재학술지 유지 (재인증) | |
2017-01-01 | 평가 | 등재학술지 유지 (계속평가) | |
2013-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2010-01-01 | 평가 | 등재학술지 유지 (등재유지) | |
2007-01-01 | 평가 | 등재학술지 선정 (등재후보2차) | |
2006-01-01 | 평가 | 등재후보 1차 PASS (등재후보1차) | |
2005-06-22 | 학술지명변경 | 외국어명 : 미등록 -> JOURNAL OF THE KOREA SOCIETY FOR SIMULATION | |
2004-01-01 | 평가 | 등재후보학술지 선정 (신규평가) | |
2004-01-01 | 평가 | 등재후보 탈락 (등재후보1차) | |
2002-01-01 | 평가 | 등재후보 1차 FAIL (등재후보1차) | |
2000-07-01 | 평가 | 등재후보학술지 선정 (신규평가) |
학술지 인용정보
기준연도 | WOS-KCI 통합IF(2년) | KCIF(2년) | KCIF(3년) |
---|---|---|---|
2016 | 0.3 | 0.3 | 0.32 |
KCIF(4년) | KCIF(5년) | 중심성지수(3년) | 즉시성지수 |
0.28 | 0.25 | 0.541 | 0.11 |