Self-play Reinforcement Learning for Autonomous Protected-Zone Defense against Adversarial UAVs
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구B)
2026년
2710113673
과학기술정보통신부
한국연구재단
가천대학교산학협력단
이경현
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2029.08.31
6,380만원
6,380만원
기초연구
대학
경기도 성남시
정보/통신 > 정보이론 > 인공지능
본 연구의 최종목표는 비협조 소형 드론의 보호영역 침입-방어 문제를 추격-회피 Markov game으로 정식화하고, self-play 기반 경쟁적 강화학습을 통해 다양한 회피 전략에 일반화 가능한 방어드론 제어 정책을 개발하는 것이다. 기존 추적제어 연구는 대체로 사전에 정의된 표적 궤적이나 고정된 회피 규칙을 대상으로 방어 정책을 학습하는 경우가 많아, ...
본 연구개발내용은 3년간 게임 정식화, 경쟁적 정책 학습, 현실 조건 검증의 단계로 추진한다. 1차년도에는 비협조 소형 드론의 보호영역 침입-방어 문제를 Markov game으로 정식화하고, 경쟁적 강화학습을 위한 시뮬레이션 환경과 baseline 정책을 구축한다. 상태 공간은 evader와 defender의 상대 위치, 상대 속도, 보호영역까지의 거리, ...
... 강화학습의 핵심 난제를 실제 자율비행 문제와 연결한다는 점에서 다중 에이전트 강화학습과 로봇제어 분야에 기여할 수 있다. 산업적으로는 중요시설 감시, 드론 교통관리, 산업단지 보안, 공공안전 시스템, 다중 로봇 협력·경쟁 제어 분야에 응용될 수 있으며, 특정 하드웨어에 종속되지 않는 정책 학습 및 평가 방법론으로 기술이전 가능성이 있다. 사회적으로는 비협조 소형 드론으로 인한 공항 ...