Agent based decision making for Integrated Air Defense system

이 논문은 BDI 아키텍처와 메타 레벨 계획 추론을 기반으로 수동 개입 없이 표적 탐지, 위협 평가 및 무기 할당 등 통합 방공 시스템의 자율적 의사결정을 수행하는 에이전트 기반 알고리즘을 제시합니다.

핵심

이 논문은 **"미래의 전쟁에서 인간이 아닌 인공지능 에이전트 (AI) 가 어떻게 스스로 결정을 내리는가?"**에 대한 이야기를 담고 있습니다.

기존의 방공 시스템은 인간 조종사나 지휘관이 레이더 화면을 보며 "적기가 보인다!", "미사일을 쏘자!"라고 직접 명령을 내렸습니다. 하지만 전쟁이 복잡해지고 속도가 빨라지면 인간은 모든 것을 처리하기 어렵습니다. 그래서 저자들은 **스스로 생각하고 행동하는 '지능형 로봇 요원 (Agent)'**을 만들어내려 했습니다.

이 내용을 쉽게 이해할 수 있도록 한마디로 요약하고, 비유를 들어 설명해 드리겠습니다.

---

🛡️ 핵심 아이디어: "스스로 생각하는 방공 시스템"

이 논문은 **BDI(신념 - 욕망 - 의도)**라는 철학적 개념을 컴퓨터 프로그램에 적용했습니다. 마치 인간이 상황을 판단하고 행동하는 것처럼요.

1. 신념 (Belief): "지금 내 주변에 뭐가 일어나고 있지?" (지식)
2. 욕망 (Desire): "무엇을 이루고 싶어?" (목표)
3. 의도 (Intention): "그 목표를 위해 지금 당장 무엇을 할까?" (행동 계획)

이 논문의 주인공은 크게 두 명의 '지능형 요원'입니다.

---

🕵️‍♂️ 주인공 1: "레이더 요원 (SRdr Agent)" - 귀머거리가 된 귀를 지키는 경비원

상황:
적군이 레이더를 방해하는 '노이즈 재밍 (Jamming)'을 쏘면, 레이더는 아무것도 못 보거나 엉뚱한 것만 보입니다. 마치 시끄러운 카페에서 친구 목소리를 듣지 못하는 것과 같죠.

기존 방식:
사람이 "어? 소리가 이상하네. 재밍인가? 아, 레이더 끄자!"라고 수동으로 판단합니다.

이 논문의 방식 (요원의 행동):
레이더 요원은 스스로 상황을 감지합니다.

• 신념: "방금 전엔 적기 5 대가 보였는데, 1 초 뒤엔 2 대만 보여? 숫자가 급격히 줄었어!" (이것은 재밍일 확률이 높음)
• 욕망: "레이더가 고장 나거나 에너지를 낭비하지 않게 보호해야 해."
• 의도 (행동):
  • 방해 정도가 약하면: 주파수를 바꿔서 (Frequency Hopping) 다시 들으려 노력합니다. (비유: 소음이 심하면 귀를 막고 다른 곳으로 고개를 돌리는 것)
  • 방해가 너무 심하면: 레이더를 아예 끄고 (Switch Off) 잠을 잡니다. (비유: 너무 시끄러우면 아예 귀를 막고 잠자고, 소음이 멈출 때까지 기다리는 것)

결과: 이 요원은 인간이 개입하지 않아도 스스로 "방해받았다"고 판단하고, 에너지를 아끼거나 재밍을 피하는 행동을 자동으로 합니다.

---

🎯 주인공 2: "지휘관 요원 (LCCC Agent)" - 치킨을 나누어 주는 스마트한 셰프

상황:
적기들이 여러 무리 (클러스터) 로 몰려옵니다. 우리에게는 막아줄 미사일 (인터셉터) 이 한정되어 있습니다. "어떤 적을 먼저 막고, 어떤 미사일을 보낼까?"를 결정해야 합니다.

기존 방식:
지휘관이 지도를 보며 "저기 큰 무리가 위험하니까 저기로 미사일 보내!"라고 계산합니다.

이 논문의 방식 (요원의 행동):
지휘관 요원은 **'MLPR(메타 레벨 계획 추론)'**이라는 고급 두뇌를 사용합니다. 이는 "지금 내게 주어진 여러 계획 중, 가장 효율적인 계획을 골라내는 과정"입니다.

• 상황 분석 (신념):
  • 적의 무리가 어디에 있나? (거리)
  • 적의 무리는 큰가 작은가? (패키지 크기)
  • 적의 목적은 폭격인가, 호위인가? (미션 타입)
  • 우리 기지의 중요한 지점 (VAVP) 은 어디가 위험한가?
• 계획 세우기 (욕망 & 의도):
  • "가장 위험한 곳 (VAVP) 에 가장 가까운 큰 폭격 무리가 있군."
  • "우리의 미사일 중 그 무리에 가장 빨리 도달할 수 있는 미사일을 골라야지."
  • "한 번에 한 미사일만 쏘아야 하니까, 다른 미사일이 이미 할당되지 않았는지 확인해야 해."

이 요원은 수많은 조합 (적의 종류, 위치, 우리 미사일 수 등) 을 순식간에 계산하여 **"가장 좋은 짝 (적기 + 미사일)"**을 찾아냅니다. 마치 치킨 배달 앱이 "가장 가까운 배달원에게 가장 가까운 주문을 배정"하는 것과 비슷합니다.

---

🧪 검증: "이 로봇은 미친 게 아니야?"

저자들은 이 로봇들이 미친 짓을 하지 않는지 두 가지 방법으로 검증했습니다.

1. 논리적 검증 (상식 테스트):

   • "레이더가 재밍을 당했을 때, 동시에 '켜져 있어야 한다'와 '꺼져 있어야 한다'는 명령을 내리면 안 되지?"
   • 이 시스템은 **상충되는 목표 (Conflicting Goals)**를 자동으로 감지하고 "에러!"라고 외치며 멈춥니다. (예: 재밍이 심하면 '꺼져야 함'과 '주파수 변경' 중 하나만 선택)

2. 통계적 검증 (수치 테스트):

   • 500 번의 가상 전투를 시뮬레이션했습니다.
   • "레이더가 재밍을 얼마나 정확히 찾아냈을까?", "에너지를 얼마나 아꼈을까?"를 수학적으로 계산했습니다.
   • 결과는 인간의 판단과 비슷하거나 더 효율적으로 작동했습니다.

---

💡 결론: 왜 이것이 중요한가?

이 논문은 인간이 모든 것을 통제하는 시대에서, AI 에이전트가 스스로 판단하고 협력하는 시대로 넘어가는 첫걸음을 보여줍니다.

• 미래의 전쟁 (네트워크 중심 전쟁): 정보가 복잡하고 빠르기 때문에 인간이 다 처리할 수 없습니다.
• 해결책: 각 장비 (레이더, 지휘소, 미사일) 가 스스로 생각하고 서로 대화하며 팀을 이루어 싸우는 시스템입니다.

한 줄 요약:

"이 논문은 레이더와 지휘관이 스스로 '눈'을 감고 '머리'를 써서, 인간이 개입하지 않아도 적을 가장 잘 막아내는 스마트한 방공 로봇 팀을 만들었다는 이야기입니다."

이 기술은 전쟁뿐만 아니라 교통 통제, 재난 구조 등 복잡한 상황에서 여러 기계를 지능적으로 조율하는 데에도 쓰일 수 있습니다.

기술 요약

1. 문제 정의 (Problem Statement)

• 기존 방식의 한계: 기존의 통합 항공 방어 (IAD, Integrated Air Defense) 시스템의 지휘 및 통제 (C2) 는 인간 운영자에 의존합니다. 그러나 현대의 네트워크 중심전 (NCW, Network Centric Warfare) 환경은 시간과 공간의 동기화/비동기화를 요구하며, 인간 중심의 의사결정 방식은 이러한 복잡하고 실시간인 환경에서 구식 (obsolete) 이 되었습니다.
• 필요성: IAD 시스템은 탐지, 추적, 식별, 교전 등 다양한 단계에서 자율적이고 지능적인 의사결정이 필요합니다. 특히 적의 재밍 (Jamming) 에 대응하거나 위협 평가 (Threat Assessment, TA) 와 무기 할당 (Weapon Allocation, WA) 을 실시간으로 수행하기 위해 인공지능 (AI) 기술과 에이전트 기반 접근법이 필수적입니다.
• 목표: 인간의 실용적 추론 (Practical Reasoning) 과정을 모방하여, 수동 입력 없이 자율적으로 위협을 감지하고 대응하는 IAD 시스템을 구축하는 것입니다.

2. 방법론 (Methodology)

이 연구는 신념 - 욕망 - 의도 (BDI, Belief-Desire-Intention) 아키텍처를 기반으로 한 다중 에이전트 시스템 (MAS) 을 설계하고 구현했습니다.

• BDI 아키텍처 적용:
  • 신념 (Belief): 에이전트가 환경에 대해 가진 지식 (예: 탐지된 표적 수, 재밍 강도).
  • 욕망 (Desire): 달성하고자 하는 목표 (예: 레이더 보호, 표적 교전).
  • 의도 (Intention): 목표를 달성하기 위해 선택된 실행 계획 (Plan).
• 메타 레벨 계획 추론 (MLPR, Meta-Level Plan Reasoning):
  • 에이전트가 다양한 계획 (Plan) 중 현재 상황에 가장 적합한 계획을 선택하는 알고리즘을 적용했습니다.
  • JACK 에이전트 프로그래밍 언어를 사용하여 구현되었으며, relevant(), context(), getInstanceInfo() 함수를 통해 계획의 적절성과 우선순위를 평가합니다.
• 구현된 두 가지 주요 에이전트:
  1. 감시 레이더 에이전트 (SRdr Agent):
     • 목표: 적의 재밍 (Noise Jamming) 으로 인한 레이더 오작동을 방지.
     • 작동 원리: 시간 $t$와 $t+1$에서 탐지된 표적 수 ($n_t$) 의 차이를 분석하여 정규화된 표적 차이 (NTD, Normalized Target Difference) 지수를 계산합니다.
     • 상태 전이: NTD 값에 따라 '감지 모드 (Sense)', '수면 모드 (Sleep)', '스위치 오프 (Switch Off)', '주파수 도약 (Frequency Hopping)' 상태 중 하나를 선택합니다. (예: NTD > 0.75 일 경우 레이더를 끔).
  2. 지역 지휘 통제 센터 에이전트 (LCCC Agent):
     • 목표: 위협 평가 (TA) 및 무기 할당 (WA) 최적화.
     • 작동 원리: 다중 센서 데이터 융합 (MSDF) 모듈로부터 클러스터화된 표적 정보를 받습니다.
     • 전략: 취약 지역 및 점 (VAVP, Vulnerable Area and Vulnerable Points) 과의 거리, 미션 유형 (공격/호위), 패키지 크기 (소/대) 를 고려하여 클러스터 우선순위를 매기고, 가용한 요격기를 가장 가까운 표적에 할당합니다.

3. 주요 기여 (Key Contributions)

• 자율적 C2 시스템 모델링: 인간의 의사결정 과정을 BDI 아키텍처로 형식화하여, IAD 시스템의 지휘 통제 단계를 완전히 자동화한 모델을 제시했습니다.
• MLPR 기반 최적 의사결정: 단순한 규칙 기반을 넘어, 메타 레벨 추론을 통해 동적 환경에서 최적의 행동 계획을 선택하는 알고리즘을 개발했습니다.
• 이중 검증 체계:
  • 논리적 검증 (Logical Evaluation): 목표 추론 규칙 (Goal Inference Rule, GIR) 을 사용하여 에이전트 간의 상충되는 목표 (예: 동시에 '스위치 오프'와 '주파수 도약'을 시도하는 상황) 를 탐지하고 해결했습니다.
  • 통계적 검증 (Statistical Evaluation): 콜모고로프 - 스미르노프 (KS) 통계량을 사용하여 에이전트의 성능을 정량화했습니다.
• 기술 통합: 에이전트 지향 프로그래밍 (JACK) 과 자바 기반의 전투 시뮬레이션 모델을 통합하여 실제 적용 가능한 프로토타입을 구축했습니다.

4. 결과 (Results)

• 시뮬레이션 환경: Java Netbeans IDE 와 Oracle DB 를 활용한 가상의 항공 전투 환경에서 500 회 이상의 시뮬레이션을 수행했습니다.
• 레이더 에이전트 성능:
  • Gaussian 분포를 따르는 랜덤 데이터 (표적 수) 를 입력으로 사용했을 때, 에이전트는 NTD 임계값 (0.5) 을 기준으로 재밍을 성공적으로 감지했습니다.
  • 총 500 샘플 중 231 건 (41%) 에서 재밍이 감지되었고, 이 중 91 건 (약 19%) 에서 레이더를 '스위치 오프'하여 에너지 소모를 절감했습니다.
  • 에이전트의 의사결정 결과 (On/Off) 는 이항 분포 (Binomial Distribution) 에 가까운 통계적 패턴을 보였으며, KS 통계량을 통해 모델의 유효성이 입증되었습니다.
• LCCC 에이전트 성능:
  • 3 개의 클러스터, 3 가지 크기, 2 가지 미션 유형 (공격/호위) 을 조합한 18 가지 시나리오에서 최적의 요격기 할당을 수행했습니다.
  • 검색 공간 (Search Space) 이 커질수록 계산 시간이 감소하는 경향을 보였으며, 입력 파라미터의 도메인 크기가 에이전트 성능에 직접적인 영향을 미치는 것으로 확인되었습니다.

5. 의의 및 결론 (Significance and Conclusion)

• 미래 전쟁 대응: 이 연구는 네트워크 중심전 (NCW) 환경에서 인간 개입 없이 자율적으로 작동하는 IAD 시스템의 가능성을 입증했습니다.
• 확장성: 제안된 BDI 기반 프레임워크는 단순한 C2 에이전트를 넘어 더 높은 수준의 팀 에이전트 (Team Agents) 로 확장 가능하며, 기존 최적화 기법 (Threat Assessment 등) 을 통합하기 용이합니다.
• 실용적 가치: 논리적 및 통계적 검증을 통해 에이전트 모델의 신뢰성을 확보했으며, 실제 전투 시나리오에 적용 가능한 기술적 토대를 마련했습니다.
• 결론: 본 논문은 에이전트 기반 의사결정 시스템이 IAD 분야에서 기존 인간 중심 방식의 한계를 극복하고, 보다 효율적이고 신속한 위협 대응을 가능하게 하는 핵심 기술임을 보여줍니다.