선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 LVC 연동 시뮬레이션을 경제적이고 효과적으로 수행할 수 있도록, 실제 사람을 대체할 수 있는 컴퓨터생성 가상전투객체를 효과적으로 모델링하고, 모델링된 가상전투객체가 자율성을 갖추고 목표지향적 행위를 할 수 있는 방안으로 HEAP 기반의 지능 에이전트 기법을 제안하였다.
- 본 논문에서는 에이전트의 의사결정 수준을 높여서 복잡한 상황 묘사가 가능한 지능 에이전트를 국방 M&S 시스템에 활용하는 방안을 제시하고, 이를 기존의 에이전트 기반의 국방 M&S 시스템과 비교 분석한다.
가설 설정
- (4) 서로 다른 계층의 에이전트 간의 추상화 관계가 없다.
- (5) 에이전트의 의사 결정 수준은 스크립트 기반 또는 유한 상태 기계의 낮은 수준이다.
- 4) 함대사령관 에이전트는 청군 함장 1, 2 에이전트들의 보고로부터 함대 운용을 결정하게 된다. 청군 함정 1과 2의 사정거리 내에 홍군 함정 2가 위치함을 알게 된 후 함대사령관은 청군 함정들에게 홍군 함정 2를 집중 공격하라는 명령을 하달하게 된다.
- 5) 데이터의 구체화 과정은 위 추상화 과정과 반대로 이루어진다. 청군 함대사령관 에이전트의 “Fire”라는 명령이 청군 함장 1, 2 에이전트에게 각각 하달 된다.
- 가상의 시뮬레이션 시나리오로서 서해안 NLL근방에서의 청군(Blue) 참수리급 고속정 2척과 홍군(Red)측 SO-1급 경비정 2척 간의 전투 상황을 표현하였고, 각 함정은 함장, 정보장교, 항해장교, 사격장교 에이전트를 통해 운용되며, 각 함대는 함대사령관에 의해 운용된다고 가정하여, 시뮬레이션 모델을 그림 3-(a)와 같이 구성하였다.
- 위의 정의에 따르면 에이전트는 인간을 포함한 다양한 객체(운송체, 무기 등)들이라고 볼 수 있다. 하지만 본 논문에서는 에이전트가 인간을 대신하는 것으로 한정한다. 앞서 언급된 기존의 에이전트 기반의 국방 M&S 시스템들 각기 고유의 특화된 특징들을 가지고 있지만 에이전트 부분에 있어서는 다음과 같은 유사한 모습을 가지고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.