불확실성 정량화 유무인기 협업 임무 재계획 기법 연구 = Uncertainty Quantification Based Mission Replanning for Manned-Unmanned Teaming

국문 초록 (Abstract)

본 논문은 유·무인 복합 전투 체계(MUM-T) 작전 간 운용자의 인지 부하를 경감하고 신속한 의사결정을 지원하기 위한 '불확실성 정량화 기반 임무 재 계획 기법'을 제시한다. 제안하는 시스템은 전장의 불확실성을 고려하여 실 시간으로 위험을 예측하는 베이지안 신경망(BNN) 기반 위험 분석, 산출된 위험 정보와 임무 수행 맥락을 종합해 재계획 상황을 판단하는 동적 군집화 및 의사결정나무 기반 재계획 상황 분류, 그리고 몬테카를로 시뮬레이션을 통한 재계획 방안 예측치 제공을 수행한다. 이 접근법은 고위험 상황에서 운용자에게 신뢰할 수 있는 판단 근거를 제시하여 의사결정의 정확성과 투 명성을 보장한다. 시뮬레이션을 통해 본 기법이 운용자에 신뢰를 제공할 수 있는 위험 탐지 성능과 실시간성을 가지며, 임무 성공률 및 생존율을 향상 시킴을 입증한다.

다국어 초록 (Multilingual Abstract)

This paper presents an Uncertainty Quantification–based Mission Replanning Framework to reduce operator cognitive load and enhance decision-making in Manned–Unmanned Teaming (MUM-T) operations. The framework combines Bayesian Neural Network (BNN)–based real-time risk prediction, dynamic clustering with decision-tree classification for situation assessment, and Monte Carlo simulation for evaluating alternative plans. This integrated approach enables quantitative and transparent decision support under uncertainty, improving mission success and survivability in complex operational environments.

목차 (Table of Contents)

• 제1장 서론 1
• 제1절 연구배경. 1
• 제2절 기존 유사 연구 분석. 4
• 제3절 기존 유사 사례 분석. 10
• 제4절 연구 목표. 12
• 제2장 재계획 방안. 15
• 제1절 전체 프로세스 15
• 제2절 베이지안 신경망(Bayesian Neural Network, BNN) 16
• 제3절 동적 K 군집화. 21
• 제4절 의사결정나무 (Decision Tree, DT) 22
• 제5절 몬테카를로 시뮬레이션 23
• 제3장 유무인 복합 전투 시나리오 및 가정사항 25
• 제1절 시나리오 개요 25
• 제2절 시뮬레이션 환경 변수. 27
• 제3절 Level of Cognitive (LAC) 분석. 30
• 제4장 결과. 33
• 제1절 학습환경 33
• 제2절 AI 모델 성능 검증 33
• 제3절 시뮬레이션 기반 정량 지표 검증 41
• 제4절 정성 지표 검증. 43
• 제5장 결론 47
• 제1절 결론 47
• 제2절 AI 모델 성능 검증 47
• 참고문헌 49
• 부록 56
• ABSTRACT 61