베이지안 의사결정 기반 통합 추정‑유도 프레임워크

초록

베이지안 의사결정 이론을 적용해 완전정보 기반 차동게임 유도법(DGL1)을 수정하고, 인터랙팅 멀티모델 파티클 필터(IMMPF)로 얻은 상태 사후 확률밀도함수를 이용해 실시간 추정‑유도 체계를 구현한다. 일반화된 분리정리(GST)를 만족시키며, 의사결정 모호성을 활용해 궤적을 형성해 추정 성능을 향상시킨다. Monte‑Carlo 실험을 통해 실시간 구현 가능성과 성능 향상을 검증한다.

상세 분석

이 논문은 전통적인 차동게임 기반 유도법(DGL1)이 완전정보 가정하에만 최적성을 보장한다는 근본적인 한계를 지적한다. 실제 전투 환경에서는 센서 노이즈와 모델 불확실성으로 인해 상태 추정 오차가 필연적이며, 이때 DGL1을 그대로 적용하면 잘못된 가속 명령을 내릴 위험이 있다. 저자는 이러한 문제를 베이지안 의사결정 이론으로 공식화한다. 구체적으로, 현재 시점에서 가능한 모든 유도 명령을 비용(미스 거리)과 사후 확률에 기반해 순위화하고, 최소 기대 비용을 갖는 명령을 선택한다. 여기서 사후 확률은 인터랙팅 멀티모델 파티클 필터(IMMPF)를 통해 비선형·비가우시안·비마코프 모델을 포함한 복합 목표 기동을 추정한다.

핵심 기여는 두 가지이다. 첫째, 베이지안 의사결정 기준을 적용함으로써 일반화된 분리정리(GST)를 만족하는 유도법을 제시한다. GST는 추정기와 제어기가 서로 독립적으로 설계될 수 없으며, 제어 명령은 전체 사후 확률분포에 의존해야 함을 의미한다. 기존 연구들이 종종 고전적인 분리정리를 전제하고 추정기의 출력(예: 평균값)만을 사용한 것과 달리, 본 논문은 파티클 전체를 활용해 기대 비용을 계산한다.

둘째, 의사결정이 다중 최적(비유일)인 경우, 즉 명령이 모호한 상황을 의도적으로 이용한다. 이때 선택 가능한 명령들 중 추정 성능을 가장 크게 향상시킬 수 있는 궤적을 설계한다. 이는 목표 회피 기동을 유도하거나, 관측 각도의 변화를 극대화해 파티클 필터의 수렴 속도를 높이는 형태로 구현된다.

계산 복잡도 측면에서, 전체 파티클 집합을 매 순간 비용 함수에 대입하는 것은 실시간 적용에 부적합하다. 저자는 “비용을 명시적으로 계산할 필요가 없는 구간”을 사전에 식별하고, 비용이 필요할 때만 선택적으로 계산함으로써 연산량을 크게 감소시킨다. 또한 파티클 기반 베이지안 비용의 구조적 특성을 이용해 병렬화와 GPU 가속을 적용할 수 있음을 제시한다.

Monte‑Carlo 시뮬레이션에서는 다양한 목표 기동(단일·다중 모드, 비동질 마코프 전이)과 센서 노이즈 조건을 설정하고, 기존 DGL1(추정기 출력만 사용)과 비교하였다. 결과는 평균 미스 거리 감소, 성공 확률 향상, 그리고 추정 오차 감소를 보여준다. 특히, 모호성 활용을 통한 궤적 형성은 목표의 불확실성을 크게 줄여, 전반적인 유도 성능을 크게 끌어올렸다.

이 논문은 베이지안 의사결정과 파티클 필터를 결합해 차동게임 기반 유도법을 실시간 스토캐스틱 환경에 적용하는 최초 사례이며, GST를 만족하는 설계 프레임워크를 제공함으로써 향후 고성능 미사일 유도 시스템 설계에 중요한 이정표가 될 것으로 기대된다.