드론 짧은 논문 - 드론 짧은 논문
2020년 5월 3일 일요일 오후 3:16
참고 문서 스마트 드론 논문 무인화 미국 꺼 단행본 지휘결심체계 전술지휘 통제체계 이미지 캡셔닝
전국 상황 인지 시스템 프렉탈 구조 저렴한 드론 모바일 장비
드론으로 하느냐 가상 데아터 셋으로 하느냐
상황인식기와 DQN 이미지 캡셔닝의 결과와 CNN 코드 단을 상황 값으로 사용?
가상 환경의 유용성 서론 가 연구 목적 나 개발 경과 본론 결론 활용 방안 발전 방안
서론
가 연구 목적
IBM사가 제작하여 퀴즈 쇼의 우승으로 전문가시스템의 능력을 보여줬다. 구글 딥마인드사는 바둑을 프로기사 이상으로 수행하는 능력을 보여줬다. 이후 유명 전략 게임들에 도전 하고 있다.
인공지능의 3차 부흥기로 평가받고 있는 지금의 시작은 영상인식 문제에 적용된 인공신경망이 압도적인 성능을 보여준 후로 평가되곤 한다.
인공지능을 활용 하여 결과를 얻기 위해서는 크게 세가지 방안이 있다.
첫째 비지도 학습을 통한 결과에서 의미를 발굴하여 적용 하는 방안.
둘째 지도학습을 하여 원하는 결과를 만들기 위해 지도학습 데이터를 제작 하는 방안.
셋째 인공지능의 목표를 정하고, 시행착오를 통하여 높은 성능을 얻을 수 있도록 가상 환경을 구축해 강화학습하는 방안.
군에 적용 가능한 다양한 인공지능들 중, 인공신경망을 통하여 구현함이 적합한 과제의 학습데이터는 획득 하기 쉽지 않다.
지금까지도 다양한 시뮬레이션 환경에서 강화학습연구가 진행되어 왔으나, 에이전트(인공지능 기능 모델)에게 제공 되는 정보를 단순 수치화 하여 학습해왔으나, 현재는 시뮬레이션이 사용자에게 제공하는 영상을 바탕으로 에이전트가 수행할 행동을 결 정 할 수 있게 되었다.
우리는 현실에서 쉽게 일어나지 않을 사고나, 전투 상황의 대응을 원한다. 하지만 그러한 데이터는 충분히 얻기 힘들기 때문에 가상환경을 구축하여 그 속에서 에이전트를 학습한 후, 현실에 적용한다.
본 연구는 확보하기 쉽지 않은 적 장비를 식별하는 문제, 다양한 작전 상황에서 임무를 수행하는 유무인 체계의 인공지능 학습 문제 등을 연구하기 위한 기초로서 가상환경 구축의 필요성을 제언 하기 위함이다.
확보되지 않은 적 장비의 다양 한 모습 생성 가능. 다양한 은폐 식별용 데이터 셋 확보 가능
본론 가. Unreal Engin 4 를 통하여 가상환경을 구축한다. 외부 플러그인 형태로 제공 되는 Airsim 을 설치하여 가상 드론을 구현한다. 물론, 유무인 복합체계의 다른 장비들의 구현하는 것도 좋지만, 필요성을 제기하는 본 연구의 분량을 넘어선다. 추가로 필요하다면, 교육사령부의 연구용 드론을 통해 실사에 가까운 가상환경에서 학습한 AI는 조정하여 드론에 적용 가능할 것이라 기대 한다.
나. Unreal Engin 4 는 Epic 사에서 제공 하는 가상환경 제작 도구이다. 유사한 도구들 중 특히 실사에 가가운 그래픽을 주안 점으로 두고 있으며, 최근 매출에 따른 로열티 방식으로, 개발 중 사용료를 받지 않는다. 또한 소스코드가 공개되어 개발에 유리하다.
다. 적 장비 가상 모델 구축 필요성 적 장비 가상 모델 구축 필요성을 빠르게 보이기 위하여 공개 3D 모델을 사용하여 [T55,, , , , ]의 모델의 데이터 세트를 제작 하였다. 모델의 전후좌우, 상하, 근거리, 원거리등 다양한 방향으로 1분의 동영상으로 압축한 뒤, 기종별로 1800장의 이미지로 변환하였다. 가상 전차 데이터 및, flower 데이터를 사용, 프리트레이닝된 모델에 트렌스퍼러닝 기법을 적용하여 인셉션v3 네트워크를 학습하였다. 가상 데이터 만으로 학습된 모델에 인터넷 상에서 수집한 동일 기존 전차 데이터를 사용 하여 모델을 테스트 하였다. 기종은 틀렸으나, 전차임을 인식한경우는 86.6%에 달했고, 기종까지 식별 한 경우는 36.6.%의 결과를 보였다.
라. Airsim 마이크로소프트사에서 드론의 자율 비행 학습을 위한 플러그인 도구로서 Unreal Engin 4, Unity 등에 탑제하여 연구가능하다. 가상의 드론을 조작 가능하며, 가상 드론이 촬영한 영상을 획득 할 수 있는 API 등을 제공한다.
마. 활용 방안 첫번째로 적 군의 후방에 배치된 자산의 데이터는 얻기 힘들다. 가상 환경과 가상 모델을 적극 활용하면 저고도, 고화질, 작전 배치 중 은엄패 데이터를 생성 할 수 있다. 이러한 데이터는 드론봇, 관측경, 위성등의 시점을 모방 할 수 있어, 해당 장비에 열화 없는 성능을 기대한다. 두번째로 가상환경 구축을 넘어 가상 전장 환경 구축의 토대가 될수 있다. 이는 무인체계의 간단한 자율주행 기술연구를 넘어 자율임무수행 연구에 집입 할 수 있는 토대가 될것이다.
과거에는 억만금을 들이더라도 실사에 가까운 가상환경 구축은 불가능했다.
나 개발 경과 2019 년 9월~11월 아미타이거 보병대대전투수행 영상 제작 프로젝트를 바탕으로 가상 환경 구축으로 발전된 전투 수행 개념의 이해에 도움이 된 바 있다. 또한, 가상 환경 구축과, 해당 환경에서 구동 되는 가상의 드론의 조작등, 가능성을 확인 하였다.
2020년 3월 발족된 군사과학기술병 TF 프로젝트중 하나로서 '실사에 가까운 다목적 가상환경 구축 기초 연구' 를 진행 중이다. 3d 모델로 구현된 장비로 생성한 학습 데이터로 학습한 인공지능 모델이 실제 데이터를 인식 하는 것이 가능 함을 보였다. 그러므로, 데이터를 획득하기 쉽지 않은 적 장비 식별 모델을 위한 기초 데이터를 구축 할 수 있음을 제시 하였다.
결론: 지금 까지 Unreal engin 4 를 통하여 가상 환경을 구축하고, 적 장비 식별, 드론 자율임무 수행 학습 등의 활용성을 보였다. 근 미래의 드론봇, 유무인 복합 체계에서 가장 중요한 능력은 식별과 통신일 것이다. 특히, 식별 모델의 학습에 사용된 데이터의 내용은 식별기의 취약점과 직결된다. 그러므로 유사한 문제인 상용차량 식별기 등의 공개 연구로 산학연과 협력하고 적 장비 데이터는 보안에 유의하여야 할 것이다.