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
In this study, a one-on-one within-visual-range (WVR) air-to-air combat scenario is considered, where a pursuer is controlled using a virtual-pursuit-point (VPP)-based guidance law, and an evader is trained using a deep-reinforcement-learning approach based on the TD3 algorithm. The pursuer is implemented using the conventional VPP framework commonly employed in previous studies, adopting both lead and lag pursuit geometries. In addition, the pursuer dynamically generates tactical pursuit points in real time according to the engagement geometry and the opponent’s kinematic state. Conversely, the evader is designed using the Twin Delayed Deep Deterministic Policy Gradient (TD3) algorithm to learn a continuous-control policy network suitable for maneuvering in close-range aerial engagements. To ensure tactically meaningful and survival-oriented behavior, the reward function and termination conditions are formulated by incorporating essential WVR constraints, including gun engagement range and flight envelope limitations. As a result, the evader learns evasive maneuvers that go beyond simple heading changes and executes coherent, tactically valid actions aimed at maximizing survivability.
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) : I410-151-26-02-096998886
