Constraint-Aware Offline Reinforcement Learning (CAORL) Framework for Adaptive Control in Constraint-Critical Dynamic ISAC Environments
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(기본연구A)
2026년
2710113737
과학기술정보통신부
한국연구재단
국립부경대학교
황상원
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2031.08.31
4,421만원
4,421만원
기초연구
대학
부산광역시 남구
정보/통신 > 정보이론 > 인공지능
본 연구의 최종목표는 시나리오 ① 안전-임계형 V2X ISAC, ② 피탐 회피형 covert ISAC로 대표되는 제약-임계형 동적 ISAC 환경에 대해 ① 제약인지형 오프라인 RL 기반 정책 최적화, ② 그래프 기반 구조 적응형 상태 표현, ③ 학습형 정보 교환 기반 분산 협력 구조를 통합해 제약 만족성과 적응형 제어 성능을 함께 확보하는 Constrai...
□ 제약-임계형 동적 무선환경 대응 학습 프레임워크: 제약-임계형 동적 무선 환경에서의 요구사항인 `학습 안정성, 구조 적응성, 분산 협동성'을 충족하기 위해 오프라인 정책 최적화, 그래프 기반 상태 표현 기술, 학습형 정보 교환 기술을 결합한 통합 학습 프레임워크를 제안함. - 제약 인지형 오프라인 RL 기반 정책 최적화 기술: 제약-임계형 무선환경에서의...
... 함.2) 연구과제의 활용방안□ 안전-임계형 V2X ISAC 제어 기술로의 활용: [연구주제 1, 2]는 안전 관련 센싱 요구와 경고 전달 신뢰도를 함께 만족해야 하는 V2X ISAC 제어 소프트웨어에 활용 가능하며, 변화하는 도로·전파환경에 대응하는 지능형 교통 인프라 운용 기술로도 확장될 수 있음.□ 피탐 회피형 covert ISAC 제어 기술로의 활용: [연구주제 5]는 피탐 위험을 ...