Development and Analysis of Continuous Action-Based Reinforcement Learning Environment for Tactical Movement

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.