Implementation of a Reinforcement Learning-Based AI Tactical Fire Control System

최근 러시아와 우크라이나 전쟁을 통해서 미래전투는 화력이 중심이 될 것이며, 표적획득 후 신속한 표적처리를 수행하는 것이 매우 중요하다는 것이 재확인되었다. 본 연구에서는 Q-Learning 및 DQN 등 강화학습 기법을 전술적 사격지휘에 적용하여, Pygame을 통한 전장환경 내에서 시뮬레이션을 통하여 AI 전술적 사격지휘 시스템을 구현하는 방법을 제시하였다. 시뮬레이션 결과, 강화학습으로 학습된 AI는 타격부대의 불필요한 이동을 최소화하면서 핵심 표적 위주의 표적처리를 효과적으로 수행하는 전술적 사격지휘를 달성함을 확인할 수 있었다. 만약 이러한 시스템이 포병여단의 작전반이 운용하는 ATCIS(Army Tactical Control and Information System)에 적용된다면, 실시간으로 최적의 사격부대를 지정하여 표적처리시간을 획기적으로 단축할 수 있을 것이다. 또한, 본 연구는 부대별 배치와 화포별 사거리를 고려하는 등 실전과 같은 환경에서 전술적 사격지휘 구현을 통해 실제 적용 가능성을 확인하였으며, 더욱 효율적인 전술적 사격지휘를 구현하기 위하여 Q-Learning 및 DQN 등 강화학습의 기법에 따른 학습결과를 비교분석하여 제시하였다.