KR101585509B1 - 혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템 - Google Patents

혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템 Download PDF

Info

Publication number
KR101585509B1
KR101585509B1 KR1020150117517A KR20150117517A KR101585509B1 KR 101585509 B1 KR101585509 B1 KR 101585509B1 KR 1020150117517 A KR1020150117517 A KR 1020150117517A KR 20150117517 A KR20150117517 A KR 20150117517A KR 101585509 B1 KR101585509 B1 KR 101585509B1
Authority
KR
South Korea
Prior art keywords
information
group
similarity
time
pilot
Prior art date
Application number
KR1020150117517A
Other languages
English (en)
Inventor
신동민
박종헌
최예림
전승욱
지철규
Original Assignee
국방과학연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020150117517A priority Critical patent/KR101585509B1/ko
Application granted granted Critical
Publication of KR101585509B1 publication Critical patent/KR101585509B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/02—Simulators for teaching or training purposes for teaching control of vehicles or other craft
    • G09B9/08—Simulators for teaching or training purposes for teaching control of vehicles or other craft for teaching control of aircraft, e.g. Link trainer
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C13/00—Control systems or transmitting systems for actuating flying-control surfaces, lift-increasing flaps, air brakes, or spoilers
    • B64C13/02—Initiating means
    • B64C13/16—Initiating means actuated automatically, e.g. responsive to gust detectors
    • B64C13/18—Initiating means actuated automatically, e.g. responsive to gust detectors using automatic pilot
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B9/00—Simulators for teaching or training purposes
    • G09B9/003—Simulators for teaching or training purposes for military purposes and tactics
    • B64C2201/141—

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 가상 에이전트 간의 전투를 위한 시뮬레이션을 수행하는 장치 및 그 방법에 관한 것으로, 조종사의 행위와 관련된 복수의 정보를 기 설정된 기준을 기준에 기초하여, 적어도 하나의 그룹으로 분류하는 단계와 상기 기 설정된 기준에 기초하여, 분류된 적어도 하나의 그룹에 대하여, 상기 기 설정된 기준에 근거하여, 서로 다른 방식으로 유사도를 산출하는 단계 및 상기 유사도가 측정된 정보에 기초하여, 지지기반벡터를 이용하여 조종사 행위를 모사한 행위모사모델을 구현하는 단계를 포함한다.

Description

혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템{BEHAVIOR DESCRIPTION SYSTEM USING HYBRID SEQUENCE KERNEL AND SUPPORT VECTOR MACHINES}
본 발명은 가상 에이전트 간의 전투를 위한 시뮬레이션을 수행하는 장치 및 그 방법에 관한 것이다.
일반적으로, 시뮬레이터에 사용되는 전투기 조종사의 행위 모사 시스템의 경우, 다양한 상황에서, 조종사가 취할 수 있는 행위를 규칙으로 정의하여, 특정 상황이 주어졌을 때 해당되는 규칙을 찾아 행위를 수행하는 규칙기반모델 혹은 규칙 간에 확률을 부여하여 유연성을 높인 퍼지로직모델이 주로 사용될 수 있다.
한편, 종래와 같이, 사전 정의된 규칙에 기반하여, 시뮬레이션을 제공하는 경우, 사전 정의된 규칙의 정교함에 따라 행위 모사 시스템의 성능이 좌우된다. 즉, 사전 정의된 규칙에 기반하여 시뮬레이션을 제공하는 경우, 사전 정의된 규칙에 정의되지 않은 상황이 발생하는 상황에 적절하게 대응할 수 없다. 또한, 사전 정의된 규칙에 기반하여 시뮬레이션을 제공하는 경우, 동일한 시뮬레이션 상황에 대해서 다수의 규칙이 적용되는 때, 다수의 규칙 사이에 충돌이 발생할 수 있다.
또한, 최근에는, 전투 위험 지역 및 진입 불가 지역에 인간을 대신하여, 기계 자체로 운용되는 무인 전투기가 개발되고 있다. 예를 들어, 무인 항공기인 드론의 개발되고 있다. 무인 전투기의 경우, 인간을 대신하여, 기계로 운용되기 때문에, 조종사 없이도, 조종사와 유사한 사고 및 행동 패턴으로 전투기가 운용되어야 한다.
이에, 본 발명은 사전 정의된 규칙을 이용하지 않고, 실제 조종사와 유사한 행동 패턴을 구현하기 위한 행위 모사 시스템을 제공하는 방법을 제안한다.
본 발명은 조종사의 행위를 모사하는 시뮬레이션 장치에 있어서, 보다 실제적인 조종사의 행위를 모사하는 시뮬레이션을 제공하는 것을 일 목적으로 한다.
또한, 본 발명은 무인 전투기를 조종하는 방법을 제공하는 것을 또 다른 목적으로 한다.
본 발명은 가상 에이전트 간의 전투를 위한 시뮬레이션을 수행하는 장치 및 그 방법에 관한 것으로, 조종사의 행위와 관련된 복수의 정보를 기 설정된 기준에 기초하여, 적어도 하나의 그룹으로 분류하는 단계와 상기 기 설정된 기준에 기초하여, 분류된 적어도 하나의 그룹에 대하여, 상기 기 설정된 기준에 근거하여, 서로 다른 방식으로 유사도를 산출하는 단계 및 상기 유사도가 측정된 그룹들을 지지기반벡터를 이용하여 조종사 행위를 모사한 행위모사모델을 구현하는 단계를 포함한다.
일 실시 예에 있어서, 상기 기 설정된 기준은 정보의 속성 정보와 관련된 것을 특징으로 한다.
일 실시 예에 있어서, 상기 정보의 속성 정보는 시간 의존적 속성, 시간 비의존적 속성, 연속성 및 비연속성 중 적어도 하나인 것을 특징으로 한다.
일 실시 예에 있어서, 상기 적어도 하나의 그룹으로 분류하는 단계에서는 시간 의존성 및 연속성을 갖는 정보들을 포함하는 제1그룹, 시간 의존성 및 비연속성을 갖는 정보들을 포함하는 제2그룹, 시간 비의존성 및 연속성을 갖는 정보들을 포함하는 제3그룹, 및 시간 비의존성 및 비연속성을 갖는 정보들을 포함하는 제4그룹으로 분류하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 유사도를 산출하는 단계에서는 상기 제1그룹에 포함된 정보들에 대하여, 시간에 따른 정보 값들의 변화량의 유사도를 산출하고, 상기 제2그룹에 포함된 정보들에 대하여, 시간에 따른 정보 값들의 주기의 유사도를 산출하며, 상기 제3 및 제4그룹에 포함된 정보들에 대하여, 각 정보 값들의 유사도를 산출하는 것을 특징으로 한다.
일 실시 예에 있어서, 상기 제2그룹에 포함된 정보들에 대하여, 각 정보들의 패턴을 생성하고, 각 생성된 패턴의 주기를 산출하는 것을 특징으로 한다.
본 발명은 전투기 조종사의 실제 행동 및 사고와 유사한 시뮬레이션 모델을 생성함으로써, 사실적인 에이전트 기반 시뮬레이션을 구현할 수 있다. 이에, 본 발명은 무인 항공기, 무인 전투기 등의 운용에 있어서, 사실적인 시뮬레이션 모델을 적용함으로써, 실제와 유사한 수준의 전투 훈련을 가능하게 하여, 전투기 운용의 비용을 절감하며, 효과적인 전투 훈련 방법을 제공할 수 있다.
또한, 본 발명은, 실제 조종사의 사고 및 행동과 유사한 시뮬레이션 모델을 구현함으로써, 유인 전투기의 진입이 불가능한 지역 또는 조종이 불가능한 지역을 인간을 대신하여 기계를 투입하여 전투기를 운용하는 방법을 제공할 수 있다. 즉, 본 발명은 보다 진보된 무인 전투기의 개발에 기초를 마련할 수 있다.
도 1은 본 발명에 따른 조종사의 행위를 모사하는 시뮬레이션을 제공하는 장치의 구성도이다.
도 2는 본 발명에 따른 시뮬레이션 방법을 나타낸 흐름도이다.
도 3은 본 발명에 따른 조종사의 행위를 모사하기 위한 데이터의 분류를 나타낸 표이다.
도 4A, 도 4B, 도 4C 및 도 4D는 일부 변수들의 속성을 나타낸 그래프이다.
도 5는 일부 변수들을 분류한 분류표이다.
본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하의 실시 예는 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.
이하에서는 전투기 조종사의 행위를 모사하는 시뮬레이션 장치에 있어서, 실제 조종사의 행위와 유사하게 행동 및 사고하는 시뮬레이션을 제공하는 방법을 도면과 함께 보다 구체적으로 설명한다.
도 1은 본 발명에 따른 조종사의 행위를 모사하는 시뮬레이션을 제공하는 장치의 구성도이다. 또한, 도 2는 본 발명에 따른 시뮬레이션 방법을 나타낸 흐름도이다. 또한, 도 3은 본 발명에 따른 조종사의 행위를 모사하기 위한 데이터의 분류를 나타낸 표이다. 또한, 도 4A, 도 4B, 도 4C 및 도 4D는 일부 변수들의 속성을 나타낸 그래프이다. 또한, 도 5는 일부 변수들을 분류한 분류표이다.
도 1을 참조하면, 본 발명에 따른 시뮬레이션 장치는 데이터 분류부(100), 데이터 처리부(110) 및 출력부(120)를 포함할 수 있다. 또한, 비록 도시되지는 않았지만, 상기 시뮬레이션 장치는, 정보를 저장하는 저장부, 상기 데이터 분류부(100), 데이트 처리부(110) 및 출력부(120)를 제어하는 제어부를 더 포함할 수 있다.
상기 제어부는 상기 데이터 분류부(100), 데이터 처리부(110) 및 출력부(120)를 제어하여, 조종사의 실제적인 행동 및 사고와 유사한 시뮬레이션을 제공할 수 있다. 이하에서는, 상기 제어부가 시뮬레이션을 제공하는 방법에 대하여 보다 구체적으로 살펴본다.
상기 제어부는 상기 저장부에 기 저장된 복수의 정보들로부터 조종사의 행위 규칙과 관련된 적어도 일부의 정보를 추출할 수 있다(S210). 상기 추출된 적어도 일부의 정보는 상기 데이터 분류부(100)에서 적어도 하나의 그룹으로 분류될 수 있다.
상기 기 저장된 복수의 정보들은 시간에 따른 조종사의 상황-행위를 측정한 정보들일 수 있다.
상기 제어부는 상기 데이터 분류부(100)에서 상기 추출된 적어도 일부의 정보가 분류되도록 상기 데이터 분류부(100)를 제어할 수 있다(S220). 상기 데이터 분류부(100)는 상기 적어도 일부의 정보를 기 설정된 기준에 기초하여, 적어도 하나의 그룹으로 분류할 수 있다.
상기 기 설정된 기준은 정보의 속성에 의하여 결정될 수 있다. 상기 정보의 속성은 시간 의존적 속성, 시간 비의존적 속성, 연속(continuous)성 및 비연속(discrete)성 등이 될 수 있다.
상기 시간 의존적 속성은 시간에 따라 정보 값의 변화하는 양상이 유의미한 속성을 의미한다. 상기 시간 비의존적 속성은 시간에 관계없이 정보 값이 유의미한 속성을 의미한다.
상기 연속성은 정보 값이 연속적으로 변하는 속성을 의미한다. 상기 비연속성은 정보 값이 연속적으로 변하지 않는 속성을 의미한다. 다시 말하면, 상기 비연속성은 정수로 셀 수 있는 속성을 의미한다.
도 3을 참조하면, 상기 데이터 분류부(100)는 시간 의존적이며 연속성을 갖는 제1그룹, 시간 의존적이며 비연속성을 갖는 제2그룹, 시간 비의존적이며 연속성을 갖는 제3그룹 및 시간 비의존적이며 비연속성을 갖는 제4그룹으로 상기 적어도 하나의 정보를 분류할 수 있다.
보다 구체적으로, 도 4A는 제1그룹에 속하는 정보의 정보 값을 나타낸 그래프이다. 상기 제1그룹에 속하는 정보는 시간에 따라 정보 값이 자주 변하며, 상기 정보 값의 변화하는 양상이 의미가 있고, 상기 정보 값은 연속성을 가질 수 있다. 예를 들어, 상기 제1그룹에 속하는 정보는 전투기의 속도 정보가 될 수 있다.
또한, 도 4B는 제2그룹에 속한 정보의 정보 값을 나타낸 그래프이다. 상기 제2그룹에 속하는 정보는 시간에 따라 정보 값이 변하나, 비연속성을 가질 수 있다. 예를 들어, 상기 제2그룹에 속한 정보는 타겟 조준 고정과 관련된 정보일 수 있다.
또한, 도 4C는 제3그룹에 속한 정보의 정보 값을 나타낸 그래프이다. 상기 제3그룹에 속하는 정보는 각 시간의 정보 값이 의미를 가지며, 연속성을 가질 수 있다. 즉, 상기 제3그룹에 속하는 정보는 단일 정보값이 일정하게 유지되는 연속성 있는 정보일 수 있다. 예를 들어, 상기 제3그룹에 속하는 정보는 조준 강도 정보일 수 있다.
또한, 도 4D는 제4그룹에 속한 정보의 정보 값을 나타낸 그래프이다. 상기 제4그룹에 속하는 정보는 시간에 관계없이 정보 값이 유의미하며, 비연속성을 가지는 정보일 수 있다. 즉, 상기 제4그룹에 속하는 정보는 정보 값이 정수 값을 가지는 정보일 수 있다. 예를 들어, 상기 제3그룹에 속하는 정보는 근거리 미사일 개수 정보일 수 있다.
상기 정보들이 4가지 그룹으로 분류되면, 상기 제어부는 상기 데이터 분류부(100)에서 분류한 그룹들마다 서로 다른 방식으로 정보들을 가공할 수 있다. 즉, 상기 제어부는 상기 분류된 그룹들마다 서로 다른 방식으로 유사도를 측정할 수 있다.
한편, 도 5의 표는 조종사의 상황과 관련된 복수의 정보를 상기 기 설정된 기준에 근거하여, 4가지 그룹으로 분류한 분류표이다. 상기 기 설정된 기준은 시간 의존성 여부와 관련된 제1기준 및 연속성 여부와 관련된 제2기준의 조합으로 이루어질 수 있다.
도 5를 참조하면, 상기 복수의 정보는 조종사의 상황과 관련된 다양한 정보가 포함될 수 있다. 예를 들어, 상기 복수의 정보는 전투기의 속력, 조준 강도 정보, 고도 정보, 중거리 미사일 개수 정보, 움직임 조준 여부, 단거리 미사일 갯수, 타겟 고도 차이 정보 등이 될 수 있다.
상기 복수의 정보는 사용자에 의하여 그 값이 설정되거나, 시스템 상에서 미리 설정될 수 있다. 예를 들어, 조준 강도 정보는 사용자가 타겟에 대하여 조준 하는 강도를 직접 설정할 수 있다. 또 다른 예로, 중거리 미사일 개수 정보는 시스템 상에서 미리 설정될 수 있다.
또한, 상기 데이터 분류부(100)는 상기 복수의 정보를 상기 기 설정된 기준에 따라 분류할 수 있다. 예를 들어, 조준 강도 정보는 시간 비의존적이며, 연속적인 속성을 가지는 제3그룹에 속할 수 있다. 여기에서, 상기 조준 강도 정보는 타겟에 대하여 조준 하는 강도를 의미할 수 있다.
상기 제어부는 상기 분류가 완료되면, 도 5에 도시된 분류표를 상기 저장부에 저장할 수 있다.
상기 분류가 완료되면, 상기 제어부는 상기 분류된 정보를 데이터 처리부(110)에서 처리되도록 상기 데이터 처리부(110)를 제어할 수 있다. 즉, 상기 제어부는 상기 분류된 정보의 유사도를 산출할 수 있다(S230).
이와 같이, 유사도 연산을 수행하는 부분을 커널이라고 명명할 수 있다. 상기 커널은 복수의 형태를 가질 수 있다. 예를 들어, 단일형 커널은 하나의 방식으로 복수의 정보를 처리하는 형태이고, 혼합형 커널은 단일형 커널을 기초로 다수의 방식으로 복수의 정보를 처리하는 형태이다.
이하의 설명에서는 상기 제어부가 정보간 유사도를 계산하는 방식을 커널이 정보를 처리하는 것으로 이해될 수 있다.
보다 구체적으로, 상기 제어부는 기 설정된 기준에 근거하여, 상기 복수의 정보들에 대하여 서로 다른 방식으로 유사도를 측정할 수 있다. 즉, 상기 제어부는 각 그룹마다 서로 다른 방식으로 유사도를 측정할 수 있으며 이를 혼합 시퀀스 커널 방식이라 명명할 수 있다.
상기 유사도 측정 방식은 당업자에게 자명하게 알려진 다양한 방식이 사용될 수 있다. 예를 들어, 상기 유사도 측정 방식은 두 정보 사이의 시간에 따른 정보의 변화량의 유사도를 측정하는 방식, 두 정보 사이에 시간에 따른 발생 빈도의 유사도를 측정하는 방식 등 다양한 방식이 존재할 수 있다.
예를 들어, 상기 제어부는 제1그룹에 속하는 정보들(시간 의존적이며 연속성을 갖는 정보들)에 대하여, 기 설정된 시간 구간 사이의 정보 값을 비교하여 유사도를 측정할 수 있다. 보다 구체적으로, 상기 제어부는 제1그룹에 속하는 제1정보 및 제2정보에 대하여, 각 시간대에서의 시간에 따른 정보 값의 변화량을 산출하고, 각 시간대에서 제1정보 및 제2정보의 정보 값의 변화 양상을 통하여, 유사도를 산출할 수 있다. 즉, 각 시간대에서, 변화량 값이 유사할수록 높은 유사도 값이 산출될 수 있다. 이때, 상기 제어부는 제1그룹에 속하는 정보들의 유사도 측정 방식으로, 래디얼 커널(radial kernel) 방식을 사용할 수 있다.
또 다른 예로, 상기 제어부는 제2그룹에 속하는 정보들(시간 의존적이며 비연속성을 갖는 정보들)에 대하여, 비연속적 정보 값들의 패턴을 검출하고, 각 패턴들의 주기를 비교하는 방식으로 유사도를 측정할 수 있다. 보다 구체적으로, 상기 제어부는 상기 제2그룹에 속하는, 각 정보들의 패턴을 검출할 수 있다. 그리고, 상기 제어부는 상기 각 정보들의 패턴들의 시간에 따른 발생 빈도, 즉 주기를 검출하고, 각 주기 간의 유사도를 측정할 수 있다. 즉, 각 주기의 크기 및 시작, 종료 시점이 유사할수록 더 높은 유사도 값이 산출될 수 있다. 이때, 상기 제어부는 제2그룹에 속하는 정보들의 유사도 측정 방식으로, 스트링 커널(string kernel) 방식을 사용할 수 있다.
또 다른 예로, 상기 제어부는 상기 제3 및 제4그룹에 속하는 정보들(시간 비의존적 속성을 갖는 정보들)에 대하여, 일반적으로 유사도를 측정하는 방식을 사용할 수 있다. 예를 들어, 상기 제어부는 상기 제3 및 제4그룹에 속하는 정보들에 대하여, 시간 불변인 특성에 근거하여, 각 정보 값들을 비교하여 유사도를 산출할 수 있다. 이때, 상기 제어부는 제3 및 제4그룹에 속하는 정보들에 대하여, 연속성을 갖는 정보인 경우, 래디얼 커널 방식으로, 비연속성을 갖는 정보의 경우, 스트링 커널(string kernel) 방식으로 유사도를 측정할 수 있다.
상기 유사도 값들이 산출된 후, 상기 제어부는 상기 각 정보의 그룹들에 대하여 지지기반벡터(support vector machine)를 이용하여, 모델링을 수행할 수 있다(S240).
보다 구체적으로, 상기 제어부는 하기의 표와 같이, 지지기반벡터를 이용한 모델링 기법을 통하여, 각 유사도가 산출된 정보를 토대로 모델링을 수행 및 모델의 정확도를 산출 할 수 있다.
[표 1]
Figure 112015080933799-pat00001
상기 지지기반벡터는 정보를 기 설정된 기준에 기초하여, 주어진 정보를 분류하는 가장 적합한 선형의 초평면(hyper-plane)을 찾는 통계적 학습 방법론이다.
상기 모델링이 수행된 후, 상기 제어부는 상기 출력부(120)를 통하여, 상기 모델링에 근거한 시뮬레이션 화면을 제공할 수 있다. 여기에서, 상기 출력부는 시각 정보를 제공하는 디스플레이부 및 소리를 출력하는 음성 출력부로 구성될 수 있다.
본 발명은 전투기 조종사의 실제 행동 및 사고와 유사한 시뮬레이션 모델을 생성함으로써, 사실적인 에이전트 기반 시뮬레이션을 구현할 수 있다. 이에, 본 발명은 무인 항공기, 무인 전투기 등의 운용에 있어서, 사실적인 시뮬레이션 모델을 적용함으로써, 실제와 유사한 수준의 전투 훈련을 가능하게 하여, 전투기 운용의 비용을 절감하며, 효과적인 전투 훈련 방법을 제공할 수 있다.
또한, 본 발명은, 실제 조종사의 사고 및 행동과 유사한 시뮬레이션 모델을 구현함으로써, 유인 전투기의 진입이 불가능한 지역 또는 조종이 불가능한 지역을 인간을 대신하여 기계를 투입하여 전투기를 운용하는 방법을 제공할 수 있다. 즉, 본 발명은 보다 진보된 무인 전투기의 개발에 기초를 마련할 수 있다.
이상에서 대표적인 실시 예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시 예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.
그러므로 본 발명의 권리범위는 설명된 실시 예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

Claims (6)

  1. 조종사의 행위와 관련된 복수의 정보를 기 설정된 기준을 기준에 기초하여, 적어도 하나의 그룹으로 분류하는 단계;
    상기 기 설정된 기준에 기초하여, 분류된 적어도 하나의 그룹에 대하여, 상기 기 설정된 기준에 근거하여, 서로 다른 방식으로 유사도를 산출하는 단계; 및
    상기 유사도가 측정된 정보에 기초하여, 지지기반벡터를 이용하여 조종사 행위를 모사한 행위모사모델을 구현하는 단계를 포함하고,
    상기 적어도 하나의 그룹으로 분류하는 단계에서는
    시간 의존성 및 연속성을 갖는 정보들을 포함하는 제1그룹,
    시간 의존성 및 비연속성을 갖는 정보들을 포함하는 제2그룹,
    시간 비의존성 및 연속성을 갖는 정보들을 포함하는 제3그룹, 및
    시간 비의존성 및 비연속성을 갖는 정보들을 포함하는 제4그룹으로 분류하는 것을 특징으로 하는 시뮬레이션 방법.
  2. 제1항에 있어서,
    상기 기 설정된 기준은 정보의 속성 정보와 관련된 것을 특징으로 하는 시뮬레이션 방법.
  3. 제2항에 있어서,
    상기 정보의 속성 정보는
    시간 의존적 속성, 시간 비의존적 속성, 연속성 및 비연속성 중 적어도 하나인 것을 특징으로 하는 시뮬레이션 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 유사도를 산출하는 단계에서는
    상기 제1그룹에 포함된 정보들에 대하여, 시간에 따른 정보 값들의 변화량의 유사도를 산출하고,
    상기 제2그룹에 포함된 정보들에 대하여, 시간에 따른 정보 값들의 주기의 유사도를 산출하며,
    상기 제3 및 제4그룹에 포함된 정보들에 대하여, 각 정보 값들의 유사도를 산출하는 것을 특징으로 하는 시뮬레이션 방법.
  6. 제5항에 있어서,
    상기 제2그룹에 포함된 정보들에 대하여, 각 정보들의 패턴을 생성하고, 각 생성된 패턴의 주기를 산출하는 것을 특징으로 하는 시뮬레이션 방법.
KR1020150117517A 2015-08-20 2015-08-20 혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템 KR101585509B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150117517A KR101585509B1 (ko) 2015-08-20 2015-08-20 혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150117517A KR101585509B1 (ko) 2015-08-20 2015-08-20 혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템

Publications (1)

Publication Number Publication Date
KR101585509B1 true KR101585509B1 (ko) 2016-01-19

Family

ID=55306237

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150117517A KR101585509B1 (ko) 2015-08-20 2015-08-20 혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템

Country Status (1)

Country Link
KR (1) KR101585509B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140032089A1 (en) * 2012-07-30 2014-01-30 Massachusetts Institute Of Technology System and method for providing driver behavior classification at intersections and validation on large naturalistic data sets
KR20140041767A (ko) * 2011-07-19 2014-04-04 스마트시그널 코포레이션 패턴 시퀀스를 가지는 커널 회귀 모델링을 사용하는 모니터링 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140041767A (ko) * 2011-07-19 2014-04-04 스마트시그널 코포레이션 패턴 시퀀스를 가지는 커널 회귀 모델링을 사용하는 모니터링 방법
US20140032089A1 (en) * 2012-07-30 2014-01-30 Massachusetts Institute Of Technology System and method for providing driver behavior classification at intersections and validation on large naturalistic data sets

Similar Documents

Publication Publication Date Title
CN110399770B (zh) 基于利用物理特性增强对象生成针对对象的机器学习模型
Guerra et al. Flightgoggles: Photorealistic sensor simulation for perception-driven robotics using photogrammetry and virtual reality
Roganov et al. Problem of virtual space modelling in aviation simulators
Hussain et al. Sensor failure detection, identification, and accommodation using fully connected cascade neural network
JP2019536035A5 (ko)
WO2020055490A1 (en) Generating synthetic digital assets for a virtual scene including a model of a real-world object
CN105144196A (zh) 用于计算相机或对象姿态的方法和设备
GB2589495A (en) Closed loop automatic dataset creation systems and methods
JP7343374B2 (ja) 航空機の保守を実行するための方法及びシステム
Fahmy et al. Supporting deep neural network safety analysis and retraining through heatmap-based unsupervised learning
US10103611B2 (en) Machine learning apparatus and method for learning arrangement position of magnet in rotor and rotor design apparatus including machine learning apparatus
Kuiper et al. Agent vision in multi-agent based simulation systems
Galindo et al. Landmark based eye ratio estimation for driver fatigue detection
JP2020024665A (ja) 情報処理方法、及び情報処理システム
KR101585509B1 (ko) 혼합시퀀스 커널과 지지기반벡터를 이용한 전투기 조종사의 행위 모사 시스템
Goethals et al. Reliable spurious mode rejection using self learning algorithms
CN114556331A (zh) 少镜头时间动作定位的新框架
Scardua et al. Automatic tuning of the unscented Kalman filter and the blind tricyclist problem: An optimization problem
KR102590541B1 (ko) 관리 서버, 모방 드로잉 데이터들 사이의 상대적인 패턴 정보를 생성하는 방법, 및 컴퓨터 프로그램
Chao et al. Dictionary-based fidelity measure for virtual traffic
Ludwig et al. Developing an adaptive opponent for tactical training
Fukuchi et al. Application of instruction-based behavior explanation to a reinforcement learning agent with changing policy
Surendranath et al. Curriculum learning for depth estimation with deep convolutional neural networks
JP2019219756A (ja) 制御装置、制御方法、プログラム、ならびに、情報記録媒体
JP2008180784A (ja) シミュレーション装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190102

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200103

Year of fee payment: 5