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.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.6
- 수록면
- 768 - 781 (14page)
- DOI
- 10.5302/J.ICROS.2026.26.0053
이용수
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.
#deep reinforcement learning
#TD3 algorithm
#virtual pursuit point
#guidance navigation control law
#autonomous aerial combat
#dogfight
#UCAV (Unmanned Combat Aerial Vehicles)
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- Abstract
- I. 서론
- II. 공중 교전 유도 법칙
- III. TD3 기반 회피 기동 정책 학습
- IV. 수치 시뮬레이션
- V. 결론
- REFERENCES
참고문헌
참고문헌 신청최근 본 자료
