훈련 M&S 분야 인공지능 적용 사례와 발전방안
Development and application of artificial intelligence for military training modeling and simulation in Republic of Korea
2
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
4차 산업혁명 시대를 맞이하여 인공지능을 활용하여 혁신을 이루고자 하는 노력이 사회 전반에 걸쳐 이루어지고 있다. 국방분야에서도 이런 인공지능 기법을 이용하여 전투력 발휘를 극대화하기 위한 노력을 선진국을 중심으로 실시하고 있다. 우리군에서 인공지능 관련 연구는 드론, 로봇 등 전장 관련된 부분에 집중되어 있으며, 상대적으로 훈련 분야에 인공지능 기법 적용 연구는 부족한 실정이다. 이런 의미에서 본 연구는 인공지능의 개념에 대해 살펴보고, 국방 M&S 분야 중 하나인 훈련 M&S 분야의 인공지능 기법을 활용하고 있는 사례를 분석하였다. 또한, 현재의 기술력을 이용하여 의사결정 지원체계, 지능형 교관, 가상개체 자동 모의에 대한 발전 방안을 제시하였다.
Abstract
In the era of the Fourth Industrial Revolution, efforts are being made throughout society to achieve innovation by utilizing artificial intelligence (AI). Developed countries are trying to maximize their combat capabilities using AI in defense areas. AI research on the defense of the Republic of Korea is focused on field-related applications, such as drones and robots; however, the research on the application of AI to training fields is relatively insufficient. In this paper, this study briefly summarizes the concept of AI and examines the use of AI in modeling and simulation (M&S) training, one of the defense M&S fields. Furthermore, the present study evaluates the areas where development is possible using current technology: decision support systems, intelligent tutoring systems, and automatic simulation of virtual entities.
참고문헌 (15)
- Ansari, Z., "Quantitative evaluation of performance and validity indices for clustering the web navigational sessions", ~ (2015)
- Arbin, N., "Comparative analysis between k-means and k-medoids for statistical clustering", 2015 3rd International Conference on Artificial Intelligence, Modelling and Simulation, pp.117~121 (2015)
- 배성호, "국내 군사학 학술논문의 주제 분류를 위한 잠재토픽 모델링", 한국군사학논집, 76(2), pp.181~216 (2020), 화랑대연구소[DOI]
- 엄홍섭, "드론봇 전투체계의 전투효과 측정에 관한 연구 : 란체스터 법칙을 활용하여", 전략연구, 28(1), pp.165~190 (2021), (사) 한국전략문제연구소
- Evensen, P. I., "Modeling Battle Drills for Computer-Generated Forces using Behavior Trees", Proceedings of the Interservice, ITSEC) 2018, pp.2018[DOI]
- 한석원, "상이한 해상도를 갖는 창조21모델과 전투21모델의 연동간 간접전투 피해평가 일치 방안 연구", 한국데이터정보과학회지, 30(5), pp.1105~1119 (2019), 한국데이터정보과학회
- Hill, R. R., "A history of United States military simulation", 2017 Winter Simulation Conference (2017)
- 김형세, "의사결정나무를 이용한 근접전투전문가시스템", 한국국방경영분석학회지, 36(3), pp.83~93 (2010), 한국국방경영분석학회
- "A Study on the Establishment of Defense Decision Support System Using AI" (2017)[URL]
- 이용복, "훈련용 워게임 모델의 부대 DB를 분석용 워게임 모델에 재사용하기 위한 변환방법 연구 : 창조21모델과 비전21모델을 중심으로", 한국시뮬레이션학회 논문지, 28(2), pp.159~167 (2019), 한국시뮬레이션학회[DOI]
- D.C. Miller, "SIMNET: the advent of simulator networking", Proceedings of the IEEE, 83(8), pp.1114~1123 (1995), Institute of Electrical and Electronics Engineers (IEEE)[DOI]
- 문호석, "기계학습을 이용한 워게임 모델의 근접전투 전장상황 평가를 위한 전문가시스템 연구", 한국군사학논집, 74(3), pp.315~336 (2018), 화랑대연구소[DOI]
- Surdu, J. R., "The deep green concept", Proceedings of the 2008 Spring simulation multiconference, pp.623~631 (2008)
- Sutton, R. S., "Introduction: The Challenge of Reinforcement Learning", Reinforcement Learning, pp.1~3 (1992)[DOI]
- 윤성준, "국방 드론봇 통합관제 체계 발전방향 연구: 대대급 작전에서 드론봇 통제 및 관제 중심으로", 선진국방연구, 3(1), pp.35~50 (2020), 방위사업연구소[DOI]