KR102362749B1 - 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법 - Google Patents
지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102362749B1 KR102362749B1 KR1020210090247A KR20210090247A KR102362749B1 KR 102362749 B1 KR102362749 B1 KR 102362749B1 KR 1020210090247 A KR1020210090247 A KR 1020210090247A KR 20210090247 A KR20210090247 A KR 20210090247A KR 102362749 B1 KR102362749 B1 KR 102362749B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- battlefield
- countermeasure
- knowledge base
- unit
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000002787 reinforcement Effects 0.000 claims abstract description 32
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 22
- 238000003058 natural language processing Methods 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims description 26
- 230000009471 action Effects 0.000 claims description 18
- 238000009795 derivation Methods 0.000 claims description 15
- 239000000284 extract Substances 0.000 claims description 8
- 238000013145 classification model Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000007123 defense Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 208000031968 Cadaver Diseases 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41A—FUNCTIONAL FEATURES OR DETAILS COMMON TO BOTH SMALLARMS AND ORDNANCE, e.g. CANNONS; MOUNTINGS FOR SMALLARMS OR ORDNANCE
- F41A33/00—Adaptations for training; Gun simulators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 자연어 처리 및 지식그래프 기반의 지식베이스를 통해 임무분석을 수행하여 예상 적방책과 달성할 임무를 도출하고 강화학습을 통해 임무를 달성하기 위한 아방책을 수립하는 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법에 관한 것으로서, 상기 시스템은, 지식 그래프 기반의 다수의 작전 계획, 명시 과업에 따른 전장 정보 및 전장 환경에 대응하는 전장 정보를 저장하는 지식 베이스; 상급 부대 잔전 계획 정보, 명시 과업 정보가 입력되면, 해당 정보에 관련된 전장 정보를 획득하고, 획득한 전장 정보를 이용하여 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출하는 임무 분석부; 및 상기 임무 분석부로부터 도출된 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 전장 정보를 지식 베이스로부터 획득한 후, 획득한 전장 정보를 이용하여 적어도 하나 이상의 아방책을 도출하는 방책 수립부를 포함할 수 있다.
Description
본 발명은 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법에 관한 것으로서, 특히 자연어 처리 및 지식그래프 기반의 지식베이스를 통해 임무분석을 수행하여 예상 적방책과 달성할 임무를 도출하고 강화학습을 통해 임무를 달성하기 위한 아방책을 수립하는 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법에 관한 것이다.
일반적으로, ATCIS(Army Tactical Command Information System) 등의 전장관리체계는 한국군의 군단 및 이하 전술 제대(육군 및 해병대 포함)를 중심으로 전, 평시 신속하고 정확하게 전장 상황을 파악하고 최선의 대응책을 수립하여 효율적인 통합 전투력을 발휘하기 위한 체계이다.
이러한 전장관리체계는 각 전장 정보들을 시각화하여 지휘관에게 제공하는 수준이며 의사결정을 지원하는 분석기능은 갖추고 있지 않다.
따라서, 분석관들이 직접 전장 정보들을 분석하고, 이를 토대로 지휘관의 경험과 직관에 의한 임무분석 및 방책수립이 수행되고 있다.
결국, 종래에는 전장에 대한 다양하고 복잡한 정보들을 사람이 직접 분석하고 경험과 직관에 의한 결정을 내리는 것으로, 이는 사람이 직접 수행하는 방법이기 때문에 시간적, 물리적 한계가 존재하여 제한된 임무분석 및 방책수립이 이루어지고 있는 것이다.
따라서, 본 발명은 상기한 종래 기술에 따른 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 자연어 처리 및 지식그래프 기반의 지식베이스를 사용하여 임무분석을 하고 강화학습 기반의 아방책 수립을 수행하는 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법을 제공하는데 있다.
다만, 본 발명이 해결하고자 하는 과제는 상기된 바와 같은 과제로 한정되지 않으며, 또 다른 과제들이 존재할 수 있다.
상기한 목적을 달성하기 위한 본 발명의 일 측면에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템은, 지식 그래프 기반의 다수의 작전 계획, 명시 과업에 따른 전장 정보 및 전장 환경에 대응하는 전장 정보를 저장하는 지식 베이스; 상급 부대 잔전 계획 정보, 명시 과업 정보가 입력되면, 해당 정보에 관련된 전장 정보를 획득하고, 획득한 전장 정보를 이용하여 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출하는 임무 분석부; 및 상기 임무 분석부로부터 도출된 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 전장 정보를 지식 베이스로부터 획득한 후, 획득한 전장 정보를 이용하여 적어도 하나 이상의 아방책을 도출하는 방책 수립부를 포함할 수 있다.
상기 임무 분석부는, 상기 입력되는 상급 부대 잔전 계획 정보, 명시 과업 정보를 자연어 처리하여, 상급 부대 잔전 계획 정보, 명시 과업 정보 관련 전장 정보에 대응되는 개체 및 관계 정보를 추출하는 자연어 처리부; 상기 자연어 처리부에서 추출된 개체 및 관계 정보에 상응하는 전장 정보 획득을 위한 질의문을 생성하여 상기 지식 베이스로 질의 요청하고, 지식 베이스로부터 상기 개체 및 관계 정보 관련 전장 정보를 획득하는 질의 처리부; 및 상기 질의 처리부를 통해 획득한 전장 정보를 이용하여 사전에 정의된 규칙 기반으로 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 도출한 후, 도출된 하나 이상의 정보를 상기 방책 수립부로 제공하는 임무 도출부를 포함할 수 있다.
상기 자연어 처리부는, 한국어 BERT 언어모델을 기반으로 학습된 분류모델로서, 자연어로 구성된 작전계획, 명시과업을 입력받아 임무와 관련된 개체 및 관계를 추출하는 모델일 수 있다.
상기 질의 처리부는, 상기 개체, 관계 정보를 SPARQL 질의언어로 변환하여 질의문을 생성할 수 있다.
상기 지식 베이스로부터 획득되는 전장 정보는 RDF 형식의 트리플(Triple)로 구성될 수 있다.
상기 임무 도출부에서, 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보의 도출 규칙은 SWRL(Semantic Web Rule Language)의 규칙을 이용할 수 있다.
상기 예상 적방책, 임무, 계획지침 및 준비명령 정보는 Json 형식으로 구성될 수 있다.
상기 방책 수립부는, 상기 임무 분석부의 임무 도출부로부터 도출된 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 이용하여 전장 모의와 연관된 전장 정보를 획득하기 위한 질의문을 생성하여 지식 베이스로 질의 요청하고, 질의 요청에 따른 전장 정보를 지식 베이스로부터 획득하는 질의 처리부; 상기 획득한 전장 정보와, 상기 예상 적방책 정보를 기반으로 전장 환경을 모의하는 전장 모의부; 및 상기 전장 모의부를 통해 모의된 전장 환경과, 상기 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 강화 학습 모델을 통해 학습하여 임무를 달성하기 위한 아방책을 도출하는 강화 학습부를 포함할 수 있다.
상기 전장 모의와 연관된 전장 정보는, 지형, 적/아 부대정보, 적/아 시설정보, 적/아 장비정보, 적/아 위치정보 중 적어도 하나 이상의 정보를 포함할 수 있다.
상기 전장 모의부에서의 전장 모의는, 워게임 모의모델을 사용하여 적군 및 아군이 혼재된 전장환경을 모의할 수 있다.
상기 강화 학습은, 사전에 정책을 학습한 계층적 강화 학습 모델로서, 제약조건인 계획지침과 하위제대에 대한 준비명령하에서 임무를 최종 태스크(Task)로 하여 다수의 서브태스크(Subtask)를 생성하고, 행동(Action)과 보상(Reward)으로 이어지는 전장환경과의 상호작용을 통해 학습할 수 있다.
상기 강화 학습부는, 순차적 행동(Action Sequence)로 이루어진 아방책을 다수 도출하고, 아방책 도출 시, 해당 방책의 점수(Score)를 포함하여 지휘관의 의사결정을 지원할 수 있다.
한편, 본 발명의 다른 측면에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법은, 지식 그래프 기반의 다수의 작전 계획, 명시 과업에 따른 전장 정보 및 전장 환경에 대응하는 전장 정보를 포함하는 지식 베이스를 구축하는 단계; 임무 분석부에서, 상급 부대 잔전 계획 정보, 명시 과업 정보가 입력되면, 해당 정보에 관련된 전장 정보를 획득하고, 획득한 전장 정보를 이용하여 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계; 및 방책 수립부에서, 상기 도출된 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 전장 정보를 지식 베이스로부터 획득한 후, 획득한 전장 정보를 이용하여 적어도 하나 이상의 아방책을 도출하는 단계를 포함할 수 있다.
상기 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계는, 상기 입력되는 상급 부대 잔전 계획 정보, 명시 과업 정보를 자연어 처리하여, 상급 부대 잔전 계획 정보, 명시 과업 정보 관련 전장 정보에 대응되는 개체 및 관계 정보를 추출하는 단계; 상기 추출된 개체 및 관계 정보에 상응하는 전장 정보 획득을 위한 질의문을 생성하여 상기 지식 베이스로 질의 요청하고, 지식 베이스로부터 상기 개체 및 관계 정보 관련 전장 정보를 획득하는 단계; 및 상기 획득한 전장 정보를 이용하여 사전에 정의된 규칙 기반으로 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계를 포함할 수 있다.
상기 개체 및 관계 정보를 추출하는 단계는, 한국어 BERT 언어모델을 기반으로 학습된 분류모델로서, 자연어로 구성된 작전계획, 명시과업을 입력받아 임무와 관련된 개체 및 관계를 추출하는 모델을 이용하여 추출할 수 있다.
개체 및 관계 정보 관련 전장 정보를 획득하는 단계에서의 질의문 생성은, 상기 개체, 관계 정보를 SPARQL 질의 언어로 변환하여 질의문을 생성할 수 있다.
상기 지식 베이스로부터 획득되는 전장 정보는 RDF 형식의 트리플(Triple)로 구성될 수 있다.
상기 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계에서의 정보 도출 규칙은 SWRL(Semantic Web Rule Language)의 규칙을 이용할 수 있다.
상기 예상 적방책, 임무, 계획지침 및 준비명령 정보는 Json 형식으로 구성될 수 있다.
상기 아방책을 도출하는 단계는, 상기 도출된 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 이용하여 전장 모의와 연관된 전장 정보를 획득하기 위한 질의문을 생성하여 지식 베이스로 질의 요청하고, 질의 요청에 따른 전장 정보를 지식 베이스로부터 획득하는 단계; 상기 획득한 전장 정보와, 상기 예상 적방책 정보를 기반으로 전장 환경을 모의하는 단계; 및 상기 모의된 전장 환경과, 상기 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 강화 학습 모델을 통해 학습하여 임무를 달성하기 위한 아방책을 도출하는 단계를 포함할 수 있다.
상기 전장 모의와 연관된 전장 정보는, 지형, 적/아 부대정보, 적/아 시설정보, 적/아 장비정보, 적/아 위치정보 중 적어도 하나 이상의 정보를 포함할 수 있다.
상기 전장 모의는, 워게임 모의모델을 사용하여 적군 및 아군이 혼재된 전장환경을 모의할 수 있다.
상기 아방책을 도출하는 단계에서 강화 학습은, 사전에 정책을 학습한 계층적 강화 학습 모델로서, 제약조건인 계획지침과 하위제대에 대한 준비명령하에서 임무를 최종 태스크(Task)로 하여 다수의 서브태스크(Subtask)를 생성하고, 행동(Action)과 보상(Reward)으로 이어지는 전장환경과의 상호작용을 통해 학습할 수 있다.
상기 아방책을 도출하는 단계는, 순차적 행동(Action Sequence)로 이루어진 아방책을 다수 도출하고, 아방책 도출 시, 해당 방책의 점수(Score)를 포함하여 지휘관의 의사결정을 지원할 수 있다.
상술한 본 발명에 따르면, 지식베이스를 기반으로 임무분석을 통해 자연어 처리 및 규칙 기반으로 예상 적방책, 임무, 계획지침, 준비명령을 도출하고 정책수립을 통해 다수의 아방책을 도출함으로써, 종래의 사람이 직접 임무분석 및 아방책을 수립하던 제한점을 해결할 수 있는 효과가 있다.
본 발명의 효과는 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
이하에 첨부되는 도면들은 본 실시 예에 관한 이해를 돕기 위한 것으로, 상세한 설명과 함께 실시 예들을 제공한다. 다만, 본 실시예의 기술적 특징이 특정 도면에 한정되는 것은 아니며, 각 도면에서 개시하는 특징들은 서로 조합되어 새로운 실시 예로 구성될 수 있다.
도 1은 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템에 대한 블록 구성을 나타낸 도면이다.
도 2는 도 1에 도시된 임무 분석부에 대한 상세 블록 구성을 나타낸 도면이다.
도 3은 도 1에 도시된 방책 수립부에 대한 상세 블록 구성을 나타낸 도면이다.
도 4은 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법에 대한 동작 플로우챠트를 나타낸 도면이다.
도 1은 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템에 대한 블록 구성을 나타낸 도면이다.
도 2는 도 1에 도시된 임무 분석부에 대한 상세 블록 구성을 나타낸 도면이다.
도 3은 도 1에 도시된 방책 수립부에 대한 상세 블록 구성을 나타낸 도면이다.
도 4은 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법에 대한 동작 플로우챠트를 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법에 대하여 첨부한 도면을 참조하여 상세하게 설명하기로 한다.
도 1은 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템에 대한 블록 구성을 나타낸 도면이다.
도 1을 참조하면, 본 발명에 따른 지식베이스 기반 인공지능 아방책 수립 시스템은, 지식 베이스(100), 임무 분석부(200) 및 방책 수립부(300)를 포함할 수 있다.
지식 베이스(100)는 지식 그래프 기반의 다수의 작전 계획, 명시 과업에 따른 개체, 관계 정보에 대응하는 전장 정보 및 전장 환경에 대응하는 전장 정보를 저장하고 있다.
임무 분석부(200)는 사용자로부터 상급 부대 잔전 계획 정보, 명시 과업 등의 정보가 입력되면, 해당 정보에 따른 전장 정보를 획득하기 위한 질의문을 생성하여 지식 베이스로 제공한다.
이에, 지식 베이스(100)는 임무 분석부(200)로부터 제공되는 질의문에 따라 작전 계획 정보나 명시 과업에 대응되는 전장 정보를 추출하여 임무 분석부(200) 로 제공한다.
임무 분석부(200)는 지식 베이스(100)으로부터 제공되는 전장 정보를 이용하여 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출한 후, 도출된 하나 이상의 해당 정보를 방책 수립부(300)로 제공한다.
방책 수립부(300)는 상기 임무 분석부(200)로부터 제공되는 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 전장 정보를 획득하기 위한 질의문을 생성하고, 생성된 질의문을 지식 베이스(100)로 제공한다.
지식 베이스(100)는 방책 수립부(300)로부터 제공되는 질의문에 따른 전장 정보를 추출하여 추출된 전장 정보를 방책 수립부(300)로 제공한다.
따라서, 방책 수립부(300)는 지식 베이스(100)에서 제공되는 전장 정보를 획득하고, 획득된 전장 정보에 대하여 강화 학습을 통해 다수의 아방책을 도출하는 것이다.
상기한 임무 분석부(200)의 구체적인 구성 및 동작에 대하여 도 2를 참조하여 살펴보자.
도 2는 도 1에 도시된 임무 분석부(200)에 대한 상세 블록 구성을 나타낸 도면이다.
도 2를 참조하면, 임무 분석부(200)는 자연어 처리부(210), 질의 처리부(220) 및 임무 도출부(230)를 포함할 수 있다.
자연어 처리부(210)는 사용자로부터 상급 부대 작전 계획 정보, 명시 과업 등의 정보가 입력되면, 입력된 정보에 대하여 자연어 처리를 수행하여 임무에 관련된 개체, 관계 정보를 도출하고, 도출된 개체 및 관계 정보를 질의 처리부(220)로 제공한다. 여기서, 자연어 처리부(210)는 한국어 BERT 언어모델을 기반으로 학습된 분류모델로서, 해당 모델은 자연어로 구성된 작전계획, 명시과업을 입력받아 임무와 관련된 개체 및 관계를 추출하는 모델이다.
질의 처리부(220)는 상기 자연어 처리부(210)를 통해 자연어 처리되어 획득한 개체, 관계 정보를 이용하여 해당 정보 관련 전장 정보를 획득하기 위한 질의문을 생성하고, 생성된 질의문을 지식 베이스(100)로 제공한다. 여기서, 질의 처리부(220)는 상기 개체, 관계 정보를 SPARQL 질의 언어로 변환되어 지식 베이스(100)로 제공되며, 지식 베이스(100)로부터 제공되는 전장 정보는 RDF 형식의 트리플로 구성된 전장정보일 수 있다.
지식 베이스(100)는 질의 처리부(220)로부터 제공되는 질의문에 따라 해당 개체, 관계 정보에 관련된 전장 정보를 추출하여 추출된 전장 정보를 질의 처리부(220)로 제공한다.
따라서, 질의 처리부(220)는 지식 베이스(100)로부터 획득한 개체, 관계 정보에 관련된 전장 정보를 임무 도출부(230)로 제공한다.
임무 도출부(230)는 상기 질의 처리부(220)로부터 제공되는 전장 정보에 따른 규칙 기반 예상 적방책, 임무, 계획지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출한 후, 도출된 예상 적방책, 임무, 계획지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 방책 수립부(300)로 제공한다. 여기서, 상기 임무 도출부(230)에서 도출되는 예상 적방책, 임무, 계획지침 및 준비명령에 대한 규칙은 SWRL(Semantic Web Rule Language)로 기술되며 예상 적방책, 임무, 계획지침 및 준비명령은 Json 형식으로 구성될 수 있다.
상기 도 1에 도시된 방책 수립부(300)에 대한 상세 구성 및 동작에 대하여 도 3을 참조하여 살펴보기로 하자.
도 3은 도 1에 도시된 방책 수립부(300)에 대한 상세 블록 구성을 나타낸 도면이다.
도 3을 참조하면, 방책 수립부(300)는 질의 처리부(310), 전장 모의부(320) 및 강화 학습부(330)를 포함할 수 있다.
질의 처리부(310)는 상기 도 2에 도시된 임무 분석부(200)의 임무 도 출부(230)에서 제공되는 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 질의문을 생성한 후, 생성된 질의문을 지식 베이스(100)로 제공한다.
지식 베이스(100)는 상기 방책 수립부(300)의 질의 처리부(310)로부터 제공되는 질의문에 따라 연관 전장 정보를 추출한 후, 추출된 전장 정보를 질의 처리부(310)로 제공한다.
질의 처리부(310)는 지식 베이스(100)로부터 획득한 전장 정보와 예상 적방책 정보를 전장 모의부(320)로 제공한다.
전장 모의부(320)는 질의 처리부(310)로부터 제공되는 예상 적방책 정보 및 전장 정보를 이용하여 전장 환경을 모의한 후, 모의된 전장 환경 정보를 강화 학습부(330)로 제공한다. 여기서, 전장정보는 지형, 적/아 부대정보, 적/아 시설정보, 적/아 장비정보, 적/아 위치정보를 포함할 수 있으며, 워게임 모의 모델을 사용하여 적군 및 아군이 혼재된 전장환경을 모의할 수 있다. 이 때 적군은 예상 적방책을 기준으로 동작한다.
강화 학습부(330)는 상기 전장 모의부(320)에서 제공되는 전장 환경 정보와, 상기 임무 분석부(200)의 임무 도출부(230)에서 제공되는 임무, 계획지침, 준비 명령 정보을 기반으로 강화 학습을 수행하고, 강화 학습 결과에 따른 다수 아방책을 도출하는 것이다.
여기서, 상기 강화 학습부(330)는 사전에 정책(Policy)을 학습한 계층적 강화학습 모델로서 제약조건인 계획지침과 하위제대에 대한 준비명령 하에서 임무를 최종 태스크(Task)로 하여 다수의 서브태스크(Subtask)를 생성하고, 행동(Action)과 보상(Reward)으로 이어지는 전장환경과의 상호작용을 통해 학습하는 것이다.
또한, 강화 학습부(330)는 순차적 행동(Action Sequence)으로 이루어진 방책을 다수 도출하고, 방책 도출 시 해당 방책의 점수(Score)를 포함하여 지휘관의 의사결정을 지원하게 되는 것이다.
상기한 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템의 동작에 상응하는 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법에 대하여 도 4를 참조하여 단계적으로 살펴보기로 한다.
도 4는 본 발명에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법에 대한 동작 플로우챠트를 나타낸 도면이다.
도 4를 참조하면, 먼저 지식 베이스(100)를 구축한다(S401). 즉, 지식 그래프 기반의 다수의 작전 계획, 명시 과업에 따른 개체, 관계 정보에 대응하는 전장 정보 및 전장 환경에 대응하는 전장 정보를 포함하는 지식베이스를 구축한다.
이어, 사용자로부터 상급 부대 잔전 계획 정보, 명시 과업 등의 정보가 입력되면, 입력된 정보에 대하여 자연어 처리를 수행하여 상기 입력된 정보 관련 전장 정보에 해당하는 개체, 관계 정보를 추출한다(S402). 여기서, 자연어 처리부(210)는 한국어 BERT 언어모델을 기반으로 학습된 분류모델로서, 해당 모델은 자연어로 구성된 작전계획, 명시과업을 입력받아 임무와 관련된 개체 및 관계를 추출하는 모델이다.
이어, 상기 S402 단계를 통해 추출된 개체, 관계 정보를 이용하여 해당 정보 관련 전장 정보를 획득하기 위한 질의문을 생성한 후, 생성된 질의문을 지식 베이스(100)로 질의 요청하고, 지식 베이스는 질의 요청에 따라 해당 개체, 관계 정보에 관련된 전장 정보를 추출함에 따라 전장 정보를 획득한다(S403). 여기서, 상기 질의문은 상기 개체, 관계 정보를 SPARQL 질의 언어로 변환하여 지식 베이스로 제공되며, 지식 베이스로부터 제공되는 전장 정보는 RDF 형식의 트리플로 구성된 전장정보일 수 있다.
이어, 지식 베이스로부터 획득한 개체, 관계 정보에 관련된 전장 정보에 대응하는, 사전 정의된 규칙 기반 예상 적방책, 임무, 계획지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출한다(S404). 여기서, 상기 도출되는 예상 적방책, 임무, 계획지침 및 준비명령에 대한 규칙은 SWRL(Semantic Web Rule Language)로 기술되며 예상 적방책, 임무, 계획지침 및 준비명령은 Json 형식으로 구성될 수 있다.
이어, S404 단계를 통해 도출된 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 질의문을 생성한 후, 생성된 질의문을 지식 베이스로 질의 요청하고, 상기 요청된 질의문에 따라 연관 전장 정보를 지식 베이스로부터 획득한다(S405).
이어, 상기 S405 단계를 통해 획득한 전장 정보와, 상기 S404 단계를 통해 도출된 예상 적방책 정보를 기반으로 전장 환경을 모의하는 것이다(S406). 여기서, 전장정보는 지형, 적/아 부대정보, 적/아 시설정보, 적/아 장비정보, 적/아 위치정보를 포함할 수 있으며, 워게임 모의 모델을 사용하여 적군 및 아군이 혼재된 전장환경을 모의할 수 있다. 이 때 적군은 예상 적방책을 기준으로 동작한다.
이어, 상기 S406 단계를 통해 모의된 전장 환경 정보와, 상기 S404 단계를 통해 도출된 임무, 계획지침, 준비 명령 정보을 제약 조건으로 강화 학습을 수행하고, 강화 학습 결과에 따른 다수 아방책을 도출하는 것이다(S407). 여기서, 상기 강화 학습은 사전에 정책(Policy)을 학습한 계층적 강화학습 모델로서 제약조건인 계획지침과 하위제대에 대한 준비명령 하에서 임무를 최종 태스크(Task)로 하여 다수의 서브태스크(Subtask)를 생성하고, 행동(Action)과 보상(Reward)으로 이어지는 전장환경과의 상호작용을 통해 학습하는 것이다.
또한, 상기 S407 단계에서는, 순차적 행동(Action Sequence)으로 이루어진 방책을 다수 도출하고, 방책 도출 시 해당 방책의 점수(Score)를 포함하여 지휘관의 의사결정을 지원하게 되는 것이다.
이상에서 전술한 본 발명의 일 실시예에 따른 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법은, 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 어플리케이션)으로 구현되어 매체에 저장될 수 있다.
상기 전술한 프로그램은, 상기 컴퓨터가 프로그램을 읽어 들여 프로그램으로 구현된 상기 방법들을 실행시키기 위하여, 상기 컴퓨터의 프로세서(CPU)가 상기 컴퓨터의 장치 인터페이스를 통해 읽힐 수 있는 C, C++, JAVA, Ruby, 기계어 등의 컴퓨터 언어로 코드화된 코드(Code)를 포함할 수 있다. 이러한 코드는 상기 방법들을 실행하는 필요한 기능들을 정의한 함수 등과 관련된 기능적인 코드(Functional Code)를 포함할 수 있고, 상기 기능들을 상기 컴퓨터의 프로세서가 소정의 절차대로 실행시키는데 필요한 실행 절차 관련 제어 코드를 포함할 수 있다. 또한, 이러한 코드는 상기 기능들을 상기 컴퓨터의 프로세서가 실행시키는데 필요한 추가 정보나 미디어가 상기 컴퓨터의 내부 또는 외부 메모리의 어느 위치(주소 번지)에서 참조되어야 하는지에 대한 메모리 참조관련 코드를 더 포함할 수 있다. 또한, 상기 컴퓨터의 프로세서가 상기 기능들을 실행시키기 위하여 원격(Remote)에 있는 어떠한 다른 컴퓨터나 서버 등과 통신이 필요한 경우, 코드는 상기 컴퓨터의 통신 모듈을 이용하여 원격에 있는 어떠한 다른 컴퓨터나 서버 등과 어떻게 통신해야 하는지, 통신 시 어떠한 정보나 미디어를 송수신해야 하는지 등에 대한 통신 관련 코드를 더 포함할 수 있다.
상기 저장되는 매체는, 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상기 저장되는 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있지만, 이에 제한되지 않는다. 즉, 상기 프로그램은 상기 컴퓨터가 접속할 수 있는 다양한 서버 상의 다양한 기록매체 또는 사용자의 상기 컴퓨터상의 다양한 기록매체에 저장될 수 있다. 또한, 상기 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 지식 베이스
200 : 임무 분석부
210 : 자연어 처리부
220 : 질의 처리부
230 : 임무 도출부
300 : 방책 수립부
310 : 질의 처리부
320 : 전장 모의부
330 : 강화 학습부
200 : 임무 분석부
210 : 자연어 처리부
220 : 질의 처리부
230 : 임무 도출부
300 : 방책 수립부
310 : 질의 처리부
320 : 전장 모의부
330 : 강화 학습부
Claims (24)
- 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템에 있어서,
지식 그래프 기반의 다수의 작전 계획, 명시 과업에 따른 전장 정보 및 전장 환경에 대응하는 전장 정보를 저장하는 지식 베이스;
상급 부대 잔전 계획 정보, 명시 과업 정보가 입력되면, 해당 정보에 관련된 전장 정보를 획득하고, 획득한 전장 정보를 이용하여 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출하는 임무 분석부; 및
상기 임무 분석부로부터 도출된 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 전장 정보를 지식 베이스로부터 획득한 후, 획득한 전장 정보를 이용하여 적어도 하나 이상의 아방책을 도출하는 방책 수립부를 포함하고,
상기 임무 분석부는,
상기 입력되는 상급 부대 잔전 계획 정보, 명시 과업 정보를 자연어 처리하여, 상급 부대 잔전 계획 정보, 명시 과업 정보 관련 전장 정보에 대응되는 개체 및 관계 정보를 추출하는 자연어 처리부;
상기 자연어 처리부에서 추출된 개체 및 관계 정보에 상응하는 전장 정보 획득을 위한 질의문을 생성하여 상기 지식 베이스로 질의 요청하고, 지식 베이스로부터 상기 개체 및 관계 정보 관련 전장 정보를 획득하는 질의 처리부; 및
상기 질의 처리부를 통해 획득한 전장 정보를 이용하여 사전에 정의된 규칙 기반으로 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 도출한 후, 도출된 하나 이상의 정보를 상기 방책 수립부로 제공하는 임무 도출부를 포함하며,
상기 방책 수립부는,
상기 임무 분석부의 임무 도출부로부터 도출된 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 이용하여 전장 모의와 연관된 전장 정보를 획득하기 위한 질의문을 생성하여 지식 베이스로 질의 요청하고, 질의 요청에 따른 전장 정보를 지식 베이스로부터 획득하는 질의 처리부;
상기 획득한 전장 정보와, 상기 예상 적방책 정보를 기반으로 전장 환경을 모의하는 전장 모의부; 및
상기 전장 모의부를 통해 모의된 전장 환경과, 상기 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 강화 학습 모델을 통해 학습하여 임무를 달성하기 위한 아방책을 도출하는 강화 학습부를 포함하고,
상기 강화 학습은, 사전에 정책을 학습한 계층적 강화 학습 모델로서, 제약조건인 계획지침과 하위제대에 대한 준비명령하에서 임무를 최종 태스크(Task)로 하여 다수의 서브태스크(Subtask)를 생성하고, 행동(Action)과 보상(Reward)으로 이어지는 전장환경과의 상호작용을 통해 학습하며,
상기 강화 학습부는, 순차적 행동(Action Sequence)로 이루어진 아방책을 다수 도출하고, 아방책 도출 시, 해당 방책의 점수(Score)를 포함하여 지휘관의 의사결정을 지원하도록 하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 삭제
- 제1항에 있어서,
상기 자연어 처리부는, 한국어 BERT 언어모델을 기반으로 학습된 분류모델로서, 자연어로 구성된 작전계획, 명시과업을 입력받아 임무와 관련된 개체 및 관계를 추출하는 모델인 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 제1항에 있어서,
상기 질의 처리부는,
상기 개체, 관계 정보를 SPARQL 질의언어로 변환하여 질의문을 생성하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 제4항에 있어서,
상기 지식 베이스로부터 획득되는 전장 정보는 RDF 형식의 트리플(Triple)로 구성되는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 제1항에 있어서,
상기 임무 도출부에서,
예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보의 도출 규칙은 SWRL(Semantic Web Rule Language)의 규칙을 이용하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 제6항에 있어서,
상기 예상 적방책, 임무, 계획지침 및 준비명령 정보는 Json 형식으로 구성되는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 삭제
- 제1항에 있어서,
상기 전장 모의와 연관된 전장 정보는,
지형, 적/아 부대정보, 적/아 시설정보, 적/아 장비정보, 적/아 위치정보 중 적어도 하나 이상의 정보를 포함하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 제1항에 있어서,
상기 전장 모의부에서의 전장 모의는, 워게임 모의모델을 사용하여 적군 및 아군이 혼재된 전장환경을 모의하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템.
- 삭제
- 삭제
- 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법에 있어서,
지식 그래프 기반의 다수의 작전 계획, 명시 과업에 따른 전장 정보 및 전장 환경에 대응하는 전장 정보를 포함하는 지식 베이스를 구축하는 단계;
임무 분석부에서, 상급 부대 잔전 계획 정보, 명시 과업 정보가 입력되면, 해당 정보에 관련된 전장 정보를 획득하고, 획득한 전장 정보를 이용하여 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계; 및
방책 수립부에서, 상기 도출된 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 이용하여 해당 정보에 대응하는 전장 정보를 지식 베이스로부터 획득한 후, 획득한 전장 정보를 이용하여 적어도 하나 이상의 아방책을 도출하는 단계를 포함하고,
상기 예상 적방책, 임무, 계획 지침 및 준비 명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계는,
상기 입력되는 상급 부대 잔전 계획 정보, 명시 과업 정보를 자연어 처리하여, 상급 부대 잔전 계획 정보, 명시 과업 정보 관련 전장 정보에 대응되는 개체 및 관계 정보를 추출하는 단계;
상기 추출된 개체 및 관계 정보에 상응하는 전장 정보 획득을 위한 질의문을 생성하여 상기 지식 베이스로 질의 요청하고, 지식 베이스로부터 상기 개체 및 관계 정보 관련 전장 정보를 획득하는 단계; 및
상기 획득한 전장 정보를 이용하여 사전에 정의된 규칙 기반으로 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계를 포함하며,
상기 아방책을 도출하는 단계는,
상기 도출된 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 이용하여 전장 모의와 연관된 전장 정보를 획득하기 위한 질의문을 생성하여 지식 베이스로 질의 요청하고, 질의 요청에 따른 전장 정보를 지식 베이스로부터 획득하는 단계;
상기 획득한 전장 정보와, 상기 예상 적방책 정보를 기반으로 전장 환경을 모의하는 단계; 및
상기 모의된 전장 환경과, 상기 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 강화 학습 모델을 통해 학습하여 임무를 달성하기 위한 아방책을 도출하는 단계를 포함하고,
상기 아방책을 도출하는 단계에서 강화 학습은, 사전에 정책을 학습한 계층적 강화 학습 모델로서, 제약조건인 계획지침과 하위제대에 대한 준비명령하에서 임무를 최종 태스크(Task)로 하여 다수의 서브태스크(Subtask)를 생성하고, 행동(Action)과 보상(Reward)으로 이어지는 전장환경과의 상호작용을 통해 학습하며,
상기 아방책을 도출하는 단계는, 순차적 행동(Action Sequence)로 이루어진 아방책을 다수 도출하고, 아방책 도출 시, 해당 방책의 점수(Score)를 포함하여 지휘관의 의사결정을 지원하도록 하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법.
- 삭제
- 제13항에 있어서,
상기 개체 및 관계 정보를 추출하는 단계는,
한국어 BERT 언어모델을 기반으로 학습된 분류모델로서, 자연어로 구성된 작전계획, 명시과업을 입력받아 임무와 관련된 개체 및 관계를 추출하는 모델을 이용하여 추출하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법.
- 제15항에 있어서,
개체 및 관계 정보 관련 전장 정보를 획득하는 단계에서의 질의문 생성은, 상기 개체, 관계 정보를 SPARQL 질의 언어로 변환하여 질의문을 생성하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법.
- 제16항에 있어서,
상기 지식 베이스로부터 획득되는 전장 정보는 RDF 형식의 트리플(Triple)로 구성되는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법.
- 제13항에 있어서,
상기 예상 적방책, 임무, 계획지침, 준비명령 정보 중 적어도 하나 이상의 정보를 도출하는 단계에서의 정보 도출 규칙은 SWRL(Semantic Web Rule Language)의 규칙을 이용하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법.
- 제18항에 있어서,
상기 예상 적방책, 임무, 계획지침 및 준비명령 정보는 Json 형식으로 구성되는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법.
- 삭제
- 제13항에 있어서,
상기 전장 모의와 연관된 전장 정보는,
지형, 적/아 부대정보, 적/아 시설정보, 적/아 장비정보, 적/아 위치정보 중 적어도 하나 이상의 정보를 포함하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법.
- 제13항에 있어서,
상기 전장 모의는, 워게임 모의모델을 사용하여 적군 및 아군이 혼재된 전장환경을 모의하는 것인 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 방법. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210090247A KR102362749B1 (ko) | 2021-07-09 | 2021-07-09 | 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210090247A KR102362749B1 (ko) | 2021-07-09 | 2021-07-09 | 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102362749B1 true KR102362749B1 (ko) | 2022-02-15 |
Family
ID=80325197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210090247A KR102362749B1 (ko) | 2021-07-09 | 2021-07-09 | 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102362749B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115906673A (zh) * | 2023-01-10 | 2023-04-04 | 中国人民解放军陆军工程大学 | 作战实体行为模型一体化建模方法及系统 |
| KR102567928B1 (ko) * | 2022-12-09 | 2023-08-18 | 국방과학연구소 | 전장 상황에서의 방책 추천을 위한 강화학습 방법 및 시스템, 이를 위한 컴퓨팅 장치 |
| CN117933382A (zh) * | 2024-03-25 | 2024-04-26 | 中国电子科技集团公司第五十四研究所 | 一种基于知识图谱的任务群组构建方法 |
| CN118036812A (zh) * | 2024-02-29 | 2024-05-14 | 中电普信(北京)科技发展有限公司 | 一种基于动态知识图谱的战场胜负预测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101299137B1 (ko) * | 2012-12-27 | 2013-08-22 | 국방과학연구소 | 지휘통제 모델 제작 및 검증시스템 및 이의 운용방법 |
| KR102098256B1 (ko) * | 2018-11-28 | 2020-04-07 | 주식회사 솔트룩스 | 지식 베이스 기반의 자동 질의 응답 시스템 |
-
2021
- 2021-07-09 KR KR1020210090247A patent/KR102362749B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101299137B1 (ko) * | 2012-12-27 | 2013-08-22 | 국방과학연구소 | 지휘통제 모델 제작 및 검증시스템 및 이의 운용방법 |
| KR102098256B1 (ko) * | 2018-11-28 | 2020-04-07 | 주식회사 솔트룩스 | 지식 베이스 기반의 자동 질의 응답 시스템 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102567928B1 (ko) * | 2022-12-09 | 2023-08-18 | 국방과학연구소 | 전장 상황에서의 방책 추천을 위한 강화학습 방법 및 시스템, 이를 위한 컴퓨팅 장치 |
| CN115906673A (zh) * | 2023-01-10 | 2023-04-04 | 中国人民解放军陆军工程大学 | 作战实体行为模型一体化建模方法及系统 |
| CN115906673B (zh) * | 2023-01-10 | 2023-11-03 | 中国人民解放军陆军工程大学 | 作战实体行为模型一体化建模方法及系统 |
| CN118036812A (zh) * | 2024-02-29 | 2024-05-14 | 中电普信(北京)科技发展有限公司 | 一种基于动态知识图谱的战场胜负预测方法 |
| CN117933382A (zh) * | 2024-03-25 | 2024-04-26 | 中国电子科技集团公司第五十四研究所 | 一种基于知识图谱的任务群组构建方法 |
| CN117933382B (zh) * | 2024-03-25 | 2024-05-31 | 中国电子科技集团公司第五十四研究所 | 一种基于知识图谱的任务群组构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102362749B1 (ko) | 지식베이스 기반 인공지능 적방책 분석 및 아방책 수립 시스템 및 그 방법 | |
| Booch et al. | Thinking fast and slow in AI | |
| Bankes et al. | Making computational social science effective: Epistemology, methodology, and technology | |
| US7526465B1 (en) | Human-machine interactions | |
| US20240202221A1 (en) | Generative artificial intelligence enterprise search | |
| Kontogiannis | A Petri Net-based approach for ergonomic task analysis and modeling with emphasis on adaptation to system changes | |
| Baškarada et al. | Facilitating organizational learning through agent-based modeling and simulation experimentation | |
| Spangler et al. | A model of distributed knowledge and action in complex systems | |
| US20230394413A1 (en) | Generative artificial intelligence for explainable collaborative and competitive problem solving | |
| de Barros Filgueiras | Big data, artificial intelligence and the future of regulatory tools | |
| McNeese et al. | The cognitive sciences of cyber-security: a framework for advancing socio-cyber systems | |
| Chen et al. | Constructing a web-based employee training expert system with data mining approach | |
| Ludwig et al. | Developing an adaptive opponent for tactical training | |
| Dyoub et al. | Ethical Monitoring and Evaluation of Dialogues with a MAS. | |
| KR20130045598A (ko) | 목표지향 행위계획 결정이 가능한 모의훈련 시스템 및 목표지향 행위계획 결정방법 | |
| Alt et al. | The cultural geography model: an agent based modeling framework for analysis of the impact of culture in irregular warfare | |
| Harder et al. | Conceptual framework for an automated battle planning system in combat simulations | |
| Li et al. | A new paradigm of modeling for military industrial logistics agent interaction protocol: Command interaction diagram | |
| Zhang et al. | Model-based operational planning using coloured petri nets | |
| Hudlicka et al. | Approaches for modeling individuals within organizational simulations | |
| Siebers et al. | Developing Agent‐Based Simulation Models for Social Systems Engineering Studies: A Novel Framework and its Application to Modelling Peacebuilding Activities | |
| Dechand et al. | Development of an Air Operation eXtension with the (future) C2SIM Standard | |
| Viana et al. | A metamodel approach to developing adaptive normative agents | |
| Luna et al. | Trends of systems engineering job postings and their implications for curriculum development | |
| Shi et al. | Flexible and Evolvable Integrated Electronic Information Twin System Architecture Design Method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |