SAF의 행위 자동 계획 기법에 관한 연구

Abstract

군에서는 오랫동안 군사 시뮬레이션 시스템을 다양한 분야에 활용해 오고 있다. 분석, 훈련, 획득 분야, 그리고 최근에는 시험평가 분야 및 전투효과 분석을 위해서 모델링 및 시뮬레이션을 활용하고 있다. 또한, 컴퓨터 상에서 인간행위와 부대의 집단논리를 표현하는 자율적 가상 개체, 즉 가상군(Computer Generated Force, CGF)에 대한 기술개발이 주목받고 있다. 가상군은 훈련 참가자의 개입 여부 및 자율 지능의 정도에 따라 SAF(Semi Automated Forces)와 FAF(Fully Automated Forces)로 구분한다. 민간 게임이나 기존 워게임 모의 모델에서는 개체의 지능 처리를 위하여 대부분 유한 상태 기계(finite state machine)나 규칙기반 시스템(rule-based system)을 적용하고 있다. 이러한 기술은 군사 전문가의 전문 지식을 쉽게 구축할 수 있는 장점이 있지만, 발생할 수 있는 모든 상황을 예측하여 그 상황에 적절한 대처방법을 모델링 단계에서 미리 규칙으로 구축해야 하는 단점이 있다. 이러한 문제점을 해결하기 위하여, 본 연구는 모의 개체로 하여금 주어진 목적을 달성하기 위해 실시간으로 계획을 수립하는 인공지능 계획(AI planning) 기법을 사용한다. 인공지능 계획 기법은 개체가 특정 목적에 도달하기 위해 어떤 행동을 수행해야 될지 결정하는 과정이다. 인공지능 계획 기법을 적용함으로써, 기존 모의논리 또는 규칙에 의한 모델링 방식보다 높은 추상화 수준에서 행위를 모델링할 수 있고 동적으로 행위를 구성하기 때문에, 소스코드나 스크립트에 의한 기존 동작 방식보다 더 유연하다고 볼 수 있다. 본 논문에서는 SAF 개체가 주어진 임무를 달성하기 위하여 스스로 행동을 계획하여 상황에 능동적으로 반응할 수 있는 행위 자동 계획 기법을 제시하였다. SAF 개체가 수행하는 행위를 계층적으로 구성하기 위한 행위 구조는 HTN 기반 계획(HTN-based planning) 기법에서의 과업 구조를 활용하여 제시하였다. 행위는 계층적인 구조를 가지며, 행위를 수행하기 위한 필수 조건인 시작조건과, 행위를 종료하기 위한 조건인 종료 조건을 퍼지 표현식으로 표현하였다. 행위의 최종 목적을 달성하기 위하여 필요한 행위 목록들을 자동으로 생성하는 행위 계획 수립 기법은 STRIPS 기반 계획(STRIPS-based planning) 기법을 활용하였다. 행위 계획 수립 시 그 탐색 영역을 줄이기 위하여 인공지능의 계획 방법 중의 하나인 목표 상태로부터 현재 상태를 역으로 찾는 목표 지향 행위 계획(Goal Oriented Action Planning, GOAP) 방법을 활용함으로써, 자동으로 행위 계획을 수립하는 방법을 제시하였다. SAF 개체의 행위 모델링 및 모의 실험을 통해서는 행위 자동 계획 기법의 효과와 설계를 검증하고, SAF 개체의 행위 자동 계획 기법의 활용 방안을 제시하였다.