인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
최근 러시아와 우크라이나 전쟁을 통해서 미래전투는 화력이 중심이 될 것이며, 표적획득 후 신속한 표적처리를 수행하는 것이 매우 중요하다는 것이 재확인되었다. 본 연구에서는 Q-Learning 및 DQN 등 강화학습 기법을 전술적 사격지휘에 적용하여, Pygame을 통한 전장환경 내에서 시뮬레이션을 통하여 AI 전술적 사격지휘 시스템을 구현하는 방법을 제시하였다. 시뮬레이션 결과, 강화학습으로 학습된 AI는 타격부대의 불필요한 이동을 최소화하면서 핵심 표적 위주의 표적처리를 효과적으로 수행하는 전술적 사격지휘를 달성함을 확인할 수 있었다. 만약 이러한 시스템이 포병여단의 작전반이 운용하는 ATCIS(Army Tactical Control and Information System)에 적용된다면, 실시간으로 최적의 사격부대를 지정하여 표적처리시간을 획기적으로 단축할 수 있을 것이다. 또한, 본 연구는 부대별 배치와 화포별 사거리를 고려하는 등 실전과 같은 환경에서 전술적 사격지휘 구현을 통해 실제 적용 가능성을 확인하였으며, 더욱 효율적인 전술적 사격지휘를 구현하기 위하여 Q-Learning 및 DQN 등 강화학습의 기법에 따른 학습결과를 비교분석하여 제시하였다.
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) : I410-151-25-02-093705320
