기술 요약: 협력적 위협 인식 자율성 (CTAA)

1. 문제 제기

본 논문은 동적이고 운동학적으로 제약된 적대적 추격자가 포함된 분쟁 공역을 통과하는 무인 차량 팀의 항해에 관한 근본적인 신뢰성 문제를 다룹니다. 최근 단일 차량 위협 인식 자율성 (특히 무기 교전 구역 또는 WEZ 사용) 의 발전으로 차량이 포획을 회피하기 위해 반응적으로 대응할 수 있게 되었으나, 단일 차량은 여전히 '단일 실패 지점 (single point of failure)'으로 남습니다. 개별 차량의 성공 확률이 $p$일 때 (어려운 시나리오에서는 일반적으로 0.65–0.75), 임무는 $1-p$의 확률로 실패합니다. 저자들은 현재 최첨단 접근 방식이 개별 위험이나 경로 길이를 최소화하는 데 초점을 맞추고 있지만, 특히 여러 차량이 동적인 WEZ 를 통과해야 하는 시나리오에서는 팀 수준의 임무 성공 확률을 최적화하지 못한다고 주장합니다.

핵심 문제는 회전 제약이 있는 추격자 (Dubins 차량으로 모델링됨) 가 생성하는 중첩된 WEZ 를 포함하는 통로를 자율 협력 플랫폼 (ACP) 함대가 통과해야 하는 다중 에이전트 궤적 계획 작업으로 공식화됩니다. 목표는 모든 개별 차량의 노출을 최소화하는 것이 아니라, 하위 가치 차량이 포획되더라도 최소 한 대의 임무 핵심 차량이 목표 지점에 도달할 확률을 극대화하는 것입니다.

2. 방법론

제안된 프레임워크인 **협력적 위협 인식 자율성 (CTAA)**은 역할이 구분된 다중 에이전트 아키텍처와 독립적인 반응형 유도 방식을 결합합니다.

A. 역할 구분 및 공간적 분리

팀에는 임무 가치를 반영하는 특정 가중치 ($w_i$) 가 할당된 세 가지 명확한 역할로 구성됩니다.

• 주요 요격 (Primary Intercept, $w=2.0$): 임무 성공을 담당하는 고가치 차량.
• 호위 지원 (Escort Support, $w=1.0$): 중간 가치 차량.
• 미끼 대체 (Decoy Alternate, $w=0.5$): 저가치 차량.

이러한 역할은 공간적으로 분리된 경로 (측면 오프셋 $\pm 0.9$ m) 에 할당됩니다. 이 분리는 단일 위협에 의해 차량들이 동시에 관측되지 않도록 보장하여 '단일 실패 지점' 토폴로지를 깨뜨립니다.

B. 반응형 유도: CSBEZ

각 ACP 는 차량 간 통신 없이 독립적으로 작동합니다. 이들은 피조자 영집합을 위한 충돌 구 경계 (Collision Sphere Boundary for Evader Zero-Set, CSBEZ) 반응형 제어기를 활용합니다.

• 메커니즘: CSBEZ 는 무한 회전 속도의 기본 교전 구역 (BEZ) 을 대신하여 추격자의 최소 회전 반경 (Dubins 호 + 직선 경로) 을 고려한 모델로 대체합니다.
• 제어 법칙: 각 시간 단계에서 제어기는 최악의 안전 여유 ($z_{min}$) 를 찾기 위해 72 개의 후보 headings 를 스윕합니다. 그런 다음 이 안전 여유 기울기를 목표 지향 방향과 혼합하여 조향 명령을 생성합니다.
• 독립성: 각 차량은 자신의 상태와 공유된 추격자 매개변수를 기반으로 자체 경로를 계산합니다. 에이전트 간에 조정 로직이 필요하지 않습니다.

C. 팀 수준 지표

저자들은 팀 성능을 평가하기 위한 일련의 지표를 도입합니다.

• 누적 WEZ 노출 ($J_{WEZ}$): 역할 가중치가 적용된 위험 노출의 합.
• 위반 점수 ($V_{WEZ}$): 위험 임계값을 초과하는 노출.
• 안전 여유 ($m_{team}$): 팀 전체의 최소 안전 여유.
• 임무 성공 확률 ($P_{mission}$): 독립적인 결과라는 가정 하에 $1 - (1-p)^N$으로 분석적으로 정의되며, 여기서 $p$는 개별 성공률이고 $N$은 차량 수입니다.

3. 주요 기여

본 논문은 다섯 가지 구체적인 기여를 제시합니다.

1. 역할 구분 프레임워크: 주요, 호위, 미끼 차량이 공간적으로 오프셋된 경로에서 독립적인 CSBEZ 제어기를 실행하는 다중 ACP 아키텍처.
2. 팀 지표 세트: 개별 위험과 팀 수준의 결과 간의 균형을 포착하는 지표 세트 ($J_{WEZ}$, $V_{WEZ}$, $m_{team}$, $P_{mission}$).
3. 결정론적 검증: "두 게이트 게런틀 (two-gate gauntlet)" 시나리오에 대한 시뮬레이션 결과로, 단일 차량의 0.72 에서 3 대 차량 팀의 0.978 로 35.8 퍼센트 포인트 향상된 임무 성공 확률을 보임.
4. 몬테카를로 검증: 100 회 시도로 위협 매개변수 (거리, 위치, 속도) 를 교란하여 실험적으로 팀 성공률을 1.00으로 확인, 분석적 중복 한계와 일치함을 입증.
5. 반응형 위협 시연: 가장 가까운 차량을 동적으로 표적하는 PurePursuit 적대자와의 실험으로, 호위 및 미끼가 명시적인 통신이나 조정 없이 자연스럽게 위협을 흡수하여 주요 차량을 무쟁점 상태로 남김을 입증.

4. 결과

본 연구는 세 가지 사례를 평가했습니다: 직접적인 기준선 (위험 인식 없음), 단일 CSBEZ 인식 차량, 그리고 3 대 차량 CTAA 팀.

• 결정론적 시뮬레이션:
  • 직접적인 기준선은 즉시 포획되었습니다.
  • 단일 CSBEZ 차량은 성공했지만 경로 길이에 41% 의 페널티를 부과받았으며, 피크 WEZ 위험은 0.68 에 달했습니다.
  • CTAA 팀은 100% 의 임무 성공률 (2/3 차량이 목표에 도달) 을 달성했습니다. 중요한 점은 호위 차량이 포획됨으로써 위협을 효과적으로 '포화'시키고 주요 차량을 위한 통로를 확보했기 때문에 주요 차량의 피크 위험이 0.52로 감소했다는 것입니다 (단일 차량 사례 대비 감소).
• 몬테카를로 검증:
  • 단일 차량 성공률: $0.66 \pm 0.09$ (0.72 라는 분석적 예측과 일치).
  • 다중 ACP 팀 성공률: 100 회 시도로 $1.00 \pm 0.00$, 중복 모델을 검증.
• 반응형 위협 실험:
  • 위협이 가장 가까운 ACP 를 표적하도록 프로그래밍되었을 때 (PurePursuit), 호위 및 미끼 차량은 2.5 초 이내에 포획되었습니다.
  • 주요 차량은 이제 분쟁이 없는 통로를 0 의 WEZ 위험으로 통과하여 1.00 의 성공 확률을 달성했습니다. 이는 경로 분리를 통한 수동적 기하학적 기만을 통해 순수하게 발생했습니다.

5. 중요성 및 주장

본 논문은 CTAA 가 단일 차량 위협 회피와 팀 수준 임무 성공 사이의 간극을 성공적으로 연결한다고 주장합니다. 그 중요성은 역할 할당과 공간적 경로 다양성이 두 가지 보완적 메커니즘을 통해 임무 신뢰성을 향상시킬 수 있음을 입증하는 데 있습니다.

1. 확률적 중복: 단순히 $N$개의 독립적인 경로를 보유함으로써 성공 확률을 $1-(1-p)^N$까지 높입니다.
2. 위협 포화: 하위 우선순위 차량 (호위/미끼) 이 용량이 제한된 위협의 주의를 끌어들여, 고가치 주요 차량의 위험 노출을 줄이기 위해 스스로를 '희생'할 수 있습니다.

저자들은 이 접근 방식이 차량 간 통신이 필요하지 않으며, 대신 분리된 경로에서 작동하는 독립적인 반응형 제어기의 창발적 행동에 의존한다고 강조합니다. 결과는 분쟁 공역 임무의 경우, 모든 차량을 무적 (invulnerable) 으로 만드는 것이 아니라 적어도 하나의 핵심 자산이 교전 생존을 보장하도록 팀을 구조화하는 것이 임무 신뢰성을 달성하는 최선의 방법임을 시사합니다.

참고: 본 논문은 현재 위험 모델이 첫 번째 원리 도출이 아닌 로지스틱 대리 모델임을 인정하며, 향후 작업은 이동 표적, 공동 사전 계획, 동적 역할 재할당을 다루겠다고 명시합니다.