7 AI technologies making military drone swarms smarter and deadlier
AI technologies help military drone swarms operate with greater autonomy.
Military drone swarms are emerging as one of the most consequential developments in autonomous warfare.
https://www.aicerts.ai/news/chinas-ai-drone-swarm-test-redefines-battlefield-autonomy군용 드론 편대를
더욱 똑똑하고 치명적으로 만드는 7가지 AI 기술
인공지능 기술은 군용 드론 편대가 더욱 자율적으로 작전할 수 있도록 도와줍니다
군용 드론 편대는 자율 전쟁에서 가장 중요한 발전 중 하나로 떠오르고 있습니다.
개별 항공기를 별도로 제어하는 기존 드론 운용 방식과 달리, 드론 편대는 여러 무인 시스템이 협력하고 정보를 공유하며 전장 상황에 적응하고 임무를 공동으로 수행할 수 있도록 설계되었습니다.
인공지능은 이러한 기능의 중심에 있습니다. 드론이 센서 데이터를 해석하고, 분쟁 지역을 탐색하고, 작업을 분배하고, 다른 플랫폼과 통신하고, 인간 조종사의 업무 부담을 줄이는 데 도움을 줍니다.
군용 드론 편대 운용을 가능 하게 하는 인공지능 기반 기술 7가지를 소개합니다 .
1. 군집 지능 및 다중 에이전트 조정
군집 지능은 여러 대의 드론이 개별 항공기가 아닌 조정된 그룹으로 작동할 수 있도록 합니다.
이러한 시스템은 개별 드론이 상호 작용하는 방식, 대형을 유지하는 방식, 작업을 분담하는 방식, 장애물에 대응하는 방식, 그리고 군집 구성원이 손실될 때 적응하는 방식을 결정하는 분산형 알고리즘을 사용합니다.
이 접근 방식은 새 떼나 곤충 군집과 같은 자연에서 발견되는 집단 행동에서 부분적으로 영감을 받았습니다. 군사 연구 프로그램에서는 이미 이 개념을 광범위하게 탐구해 왔습니다.
DARPA의 OFFSET(Offensive Swarm-Enabled Tactics) 프로그램은 대규모 자율 시스템 그룹이 복잡한 작전, 특히 밀집된 도심 환경에서의 임무 수행 중에 어떻게 협력할 수 있는지를 연구했습니다.
가장 큰 장점은 복원력입니다. 제어를 여러 플랫폼에 분산할 수 있기 때문에 드론 한 대가 손실되더라도 전체 편대가 마비되는 일이 없습니다.
군용 드론 편대는 원거리 지휘 센터에 모든 정보를 항상 전송할 수 있는 것은 아닙니다. 전자전, 통신 간섭, 대역폭 제한 또는 물리적 장애물로 인해 연결이 중단될 수 있습니다.
엣지 AI는 드론이 정보를 직접 온보드에서 처리할 수 있도록 함으로써 이 문제를 해결합니다.
AI 프로세서는 원격 컴퓨팅 인프라에 지속적으로 접근할 필요 없이 이미지를 분석하고, 센서 정보를 해석하고, 객체를 식별하고, 내비게이션을 지원할 수 있습니다.
분산 컴퓨팅을 통해 작업 부하를 여러 드론에 분산시킬 수 있습니다. 하나의 중앙 프로세서에 전적으로 의존하는 대신, 드론들은 자체 내장 컴퓨팅 기능을 활용하여 더 큰 임무에 기여할 수 있습니다.
이를 통해 지연 시간을 줄이는 동시에 자율 시스템이 급변하는 전장 상황에 더 빠르게 반응할 수 있습니다.
3. AI 기반 메시 네트워킹 및 탄력적인 통신
군집 작전에서 의사소통은 여전히 매우 중요합니다.
메시 네트워킹을 통해 드론은 단일 통신 허브에만 의존하는 대신 서로 직접 정보를 교환할 수 있습니다.
각 항공기는 잠재적으로 네트워크의 노드 역할을 하여 원격 측정 데이터, 센서 정보, 위치 데이터 및 임무 업데이트를 군집 전체에 전달할 수 있습니다.
적응형 네트워킹은 특히 분쟁 지역에서 매우 유용합니다. 개별 링크가 중단될 경우, 통신은 다른 사용 가능한 노드를 통해 재라우팅될 수 있습니다.
미 해군은 이미 훈련 과정에서 표적 및 센서 정보를 참여 플랫폼 간에 분산하는 메시 네트워크 기반 무인 시스템을 시험 운용한 바 있습다.
4. GPS 신호가 차단된 환경에서의 AI 기반 내비게이션
GPS 간섭은 자율 군사 시스템에 있어 주요한 과제를 제시합니다.
적들은 위성 항법 신호를 방해하거나 속여 드론이 정확한 위치를 파악하지 못하게 할 수 있습니다. 따라서 군용 자율 시스템은 대체 항법 기술을 활용하여 개발되는 추세입니다.
시각-관성 주행거리계는 카메라 영상과 관성 측정값을 결합하여 드론의 움직임을 추정할 수 있습니다. 지형 상대 항법은 관측된 지형을 저장된 지도 정보와 비교하며, LiDAR 및 기타 센서는 항공기가 주변 환경을 이해하는 데 도움을 줄 수 있습니다.
AI는 이러한 다양한 입력값을 처리하여 항공기의 위치를 지속적으로 추정할 수 있습니다.
이러한 기능은 기존 위성 항법이 신뢰할 수 없게 될 때에도 드론 군집이 계속 작동할 수 있도록 해줍니다.
최신 군용 드론은 전자광학 카메라, 적외선 시스템, 레이더, 전자전 장비 등 다양한 종류의 센서를 탑재할 수 있습니다.
개별적으로 볼 때, 각 센서는 전장의 일부 상황만을 보여줍니다. 센서 융합은 여러 소스의 정보를 결합하여 주변 환경에 대한 더욱 유용한 이해를 제공합니다.
AI 알고리즘은 들어오는 데이터를 비교하고, 상관관계를 파악하고, 불필요한 정보를 걸러내고, 배경 소음에서 실제 위협을 구별하는 데 도움을 줄 수 있습니다.
드론들이 무리를 지어 움직일 때는 여러 대의 드론이 서로 다른 위치에서 동일한 환경을 관찰할 수 있기 때문에 이러한 능력이 더욱 강력해집니다.
이러한 관점들을 결합하면 단일 항공기가 독립적으로 생성할 수 있는 것보다 더 광범위하고 잠재적으로 더 정확한 작전 상황을 파악할 수 있습니다.
6. 인간-군집 협업 및 AI 임무 관리
수십 대 또는 수백 대의 드론을 개별적으로 제어하는 것은 인간 조작자에게 엄청난 부담이 될 것입니다. 인간과 드론이 함께 작동하는 군집 비행 시스템은 조작자의 역할을 직접 조종에서 벗어나 더 높은 수준의 임무 관리로 전환함으로써 이러한 문제를 해결하고자 합니다.
모든 이동 경로를 구체적으로 명시하는 대신, 담당자는 목표, 지리적 경계, 우선순위 또는 임무 제약 조건을 제공할 수 있습니다.
자율 시스템은 참여하는 드론들이 작업을 어떻게 분담하고 움직임을 어떻게 조율해야 하는지 결정할 수 있습니다.
DARPA는 자율 군집 연구의 일환으로 인간과 군집의 협업을 탐구해 왔으며, 비교적 소규모의 군사 부대가 어떻게 다수의 무인 시스템을 관리할 수 있는지 보여주었습니다.
목표는 반드시 작전에서 인간을 완전히 배제하는 것이 아니라, 단일 운영자가 점점 더 복잡해지는 자율 편대를 감독할 수 있도록 하는 것입니다.
7. AI 기반 표적 인식 및 위협 분류
마지막으로, 컴퓨터 비전과 머신 러닝은 드론이 센서가 감지하는 내용을 해석하는 데 도움을 줄 수 있습니다. AI 기반 인식 시스템은 이미지 및 기타 센서 정보를 분석하여 관심 대상을 감지, 분류 및 추적할 수 있습니다.
드론 무리 내부에서는 여러 플랫폼의 관측 결과를 비교할 수 있으므로, 한 드론의 탐지 결과를 다른 드론이 검증하거나 추적할 수 있습니다.
이는 정찰, 감시, 위협 경고 및 전장 상황 파악을 지원할 수 있습니다.
이 일곱 가지 기술이 결합되어 드론 군집은 단순한 무인 항공기 집합체에서 감지, 통신, 항해 및 네트워크화된 역량으로 작용할 수 있는 점점 더 체계적으로 조정된 자율 시스템으로 변모하고 있습니다.
혈액순환에 좋은 세 가지 음식 Three foods that are good for blood circulation
댓글 없음:
댓글 쓰기