인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
지난 수십 년 동안 강화학습(reinforcement leaning)은 인공지능에 관한 관심이 높아지면서 크게 발전하였으며, 4족 보행 로봇, 드론과 같은 도메인에서 뛰어난 성능을 입증하였다. 로봇과 관련된 연구는 가상 환경인 시뮬레이터를 활용하여 초기 검증한 후 실제 환경에 적용하는 데 중점을 두고 있다. 이와 유사하게 군 관련 기관에서도 강화학습과 군사용 시뮬레이터를 이용하는 연구가 주목받고 있다. 이미 해외에서는 간단한 시뮬레이터를 이용해 부대 전술적 이동에 관한 내용을 강화학습과 연동한 사례가 있으며, 국내에서는 전투기의 공중전을 강화학습을 이용해 학습하였다. 본 연구는 선행 연구들을 참고하여 지상 체계 시스템에 강화학습을 적용하고자 한다. 최단 시간 내에 최소의 피해로 목표 지점에 도달하고자 하는 전술 기동에 대해 학습하는 것이 주요 목표이다. 이를 위해 간단한 전장 환경을 모사하고, SAC(Soft Actor-Critic)를 적용하여 학습된 에이전트의 전술 기동 성능을 다양한 시나리오에서 확인한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-24-02-090673657
