전술분석과 강화학습을 이용한 UAV 정찰 임무 계획 기법 연구 = UAV Reconnaissance Mission Planning Using Tactical Analysis and Reinforcement Learning

국문 초록 (Abstract)

본 학위 논문은 유무인 복합 체계(MUM-T) 운용 환경에서 UAV(무인기)의 자율성을 높이고 운용자의 입력 데이터를 감소시키기 위해 전술 분석 기반 자율 정찰 임무 계획 방법을 제안한다. 기존 임무 계획 체계에서 운용자의 수동적 전술 분석 및 세부 입력에 의존하는 한계를 극복하기 위해, 이 연구는 운용자 입력을 최소화하고 임무 계획의 자율성을 높이는 통합 방법론을 제시한다. 본 연구는 전술 분석 과정과 정찰 임무 계획 생성 과정을 순차적으로 통합한다. 초기 단계에서 시스템은 DEM(수치 표고 모델) 및 군사 전술 교리를 분석하여 아군 통로를 식별하고, 이를 바탕으로 적 방공망(RADAR, SAM)의 배치 후보지들을 예측한다. 이 후보지들은 DBSCAN 알고리즘으로 군집화되어 UAV가 탐색해야 할 면적 단위의 최종 정찰 영역(ROI)으로 변환된다. 이후 ROI의 지형 특성을 분석하여 Nadir-View 또는 Standoff-Sweep 중 최적의 정찰 방식을 결정한다. 이 과정을 통해 운용자의 전술 분석 의사결정 부담을 시스템 단계로 전환했다. 도출된 ROI에 대해 기체, 임무 장비, 탐지 모델의 제약조건을 종합적으로 고려한 정찰 임무 계획을 수립하는 것이다. 특히, 탐지 모델의 요구 공간 해상도 및 Motion Blur 허용치를 만족하도록 경로 계획과 EO/IR 센서 임무 장비 운용 계획을 통합 생성한다. 마지막으로, TSP 알고리즘으로 ROI 방문 순서를 최적화하고, PPO 기반 강화학습을 적용하여 지형 및 위협 회피를 고려한 전 구간 비행 궤적을 완성한다. 이러한 전술 분석 자동화와 다중 제약조건 기반 통합 계획은 MUM-T 환경에서 작전의 정찰 효율성을 확보하고 운용자 입력 데이터를 경감시킬 수 있는 실용적 기여를 제공한다.

다국어 초록 (Multilingual Abstract)

This thesis proposes a tactical-analysis-based autonomous reconnaissance mission planning method to increase UAV autonomy and reduce operator input in a Manned–Unmanned Teaming (MUM-T) operational environment. To overcome the limitations of conventional mission-planning systems that rely on the operator’s manual tactical analysis and detailed inputs, this study presents an integrated methodology that minimizes operator inputs while improving the autonomy of mission planning. The proposed framework sequentially integrates tactical analysis and reconnaissance mission planning. In the initial stage, the system analyzes a Digital Elevation Model (DEM) and military tactical doctrines to identify friendly corridors, and then predicts candidate deployment sites for enemy air-defense assets (RADAR and SAM). These candidate sites are clustered using the DBSCAN algorithm and transformed into final reconnaissance regions of interest (ROIs) defined at the area level to be searched by the UAV. The terrain characteristics of each ROI are then analyzed to select the optimal reconnaissance mode between Nadir-View and Standoff-Sweep. Through this process, the operator’s tactical decision-making burden in the analysis phase is shifted to the system level. For the derived ROIs, the system establishes reconnaissance mission plans by jointly considering constraints from the aircraft, mission equipment, and the detection model. In particular, it generates an integrated plan that couples path planning with EO/IR sensor operation planning to satisfy the detection model’s required ground sampling resolution and permissible motion blur. Finally, a Traveling Salesman Problem (TSP) algorithm is used to optimize the visitation order of ROIs, and a PPO-based reinforcement learning approach is applied to produce a full-route flight trajectory that accounts for terrain and threat avoidance. This combination of automated tactical analysis and multi-constraint integrated planning provides a practical contribution by improving reconnaissance efficiency and reducing operator input data in MUM-T environments.

목차 (Table of Contents)

• 표 목차 iii
• 그림 목차 iv
• 국문 초록 v
• 제1장 서론 １
• 제1절 연구 배경 １
• 제2절 기존 연구 분석 ３
• 제3절 연구 목적 ７
• 제4절 연구 로드맵 １０
• 제2장 이론적 배경 및 활용 개념 １１
• 제1절 전술 분석 주요 활용 개념 １１
• 제2절 임무 계획 주요 활용 개념 １７
• 제3장 전체 아키텍처 및 구성 ２７
• 제4장 시스템 전술 분석 ２９
• 제1절 아군 통로 분석 ３０
• 제2절 RADAR & SAM 설치성 분석 ３３
• 제3절 최종 위치 후보 분석 ３５
• 제5장 UAV 정찰 임무 계획 ４５
• 제1절 Nadir-View 정찰 임무 계획 ４５
• 제2절 Standoff-Sweep 정찰 임무 계획 ５６
• 제6장 Case Study ７１
• 제1절 시나리오 정의 및 평가 개요 ７１
• 제2절 운용자 입력 효율성 평가 ７４
• 제3절 정찰 임무 계획 효과도 평가 ７７
• 제4절 경로 계획 평가 ７９
• 제7장 결론 ８３
• 제1절 결론 ８３
• 제2절 향후 계획 ８４
• 참고문헌 ８６
• ABSTRACT ９１