Evasive Maneuvering Based on Deep Reinforcement Learning for Ground Unmanned Weapon Systems in Response to Drone Bombing Attacks

러시아 우크라이나 전쟁이 발발하면서 기존에는 볼 수 없었던 전쟁 양상이 나타났다. 특히 우크라이나군은 드론을 폭탄 투하 수단으로 사용하여 러시아 전차에 큰 피해를 주었다. 이러한 전쟁양상을 배경으로 앞으로 발전할 지상무인 무기체계가 이에 대응할 수 있도록 심층 강화학습 기반 회피기동 모델을 제안한다. 본 연구에서는 3차원 시뮬레이션 공간에 지상무인무기체계, 폭탄, 그리고 폭탄을 피해 도달해야 할 목적지를 정의하였다. 다음으로 이를 심층 강화학습에 적용하였으며, 학습의 효과를 높일 수 있도록 ‘점진적 목표증가 기법’을 고안 및 적용하였다. 그리고 학습 및 평가를 통해서 심층 강화학습 기반 회피기동 모델의 성능과 ‘점진적 목표증가 기법’의 효과를 확인하였다. 그 결과 지상무인무기체계가 폭탄을 피해 목적지까지 81.3%의 확률로 도착하는 것을 확인했다. 또한 ‘점진적 목표증가 기법’을 적용하지 않으면 학습에 따른 획득 보상이 낮을 뿐 아니라, 지상무인무기체계가 폭탄을 피해서 목적지에 도달하지 못하는 것을 확인하여 그 효과를 검증하였다. 향후 본 연구가 지상무인무기체계의 생존성을 높이는 데에 도움이 되기를 기대한다.