생성형 AI 모델 기반 기동형 탄도미사일 궤적예측 성능 비교 = Comparison of Generative-AI Model Based Pull-up Maneuvering Missile Trajectory Prediction Performance

국문 초록 (Abstract)

본 연구에서는 기동형 탄도미사일의 궤적 데이터를 기반으로, 생성형 AI의 시계열 데이터 예측 기능을 이용하여 기동형 탄도미사일의 경로를 예측하였다. 기동형 탄도미사일은 초기에 탄도미사일과 동일한 운동 특성을 가지며 재진입 단계이후 양력을 이용하여 원하는 목표 지점으로 기동을 하게된다. 전통적인 탄도미사일의 경우 탐지센서로부터 수신한 항적정보를 이용하면 미래 경로 예측이 가능하지만 기동형 탄도미사일의 경우 항적의 미래 동적 정보 변화의 불확실성 때문에 미래 경로를 예측하는 것은 어렵다. 본 연구에서는 기존에 공개된 생성형 AI 기반의 경로예측 2개 모델을 적용하여 기동형 탄도미사일의 미래경로를 예측하는 시험을 수행하였다. 공개된 미사일의 형상, 제원을 이용하여 공력 특성이 적용된 양력을 반영한 운동 특성 모델링으로 생성한 모의궤적을 학습데이터로 이용하였으며, 동일한 데이터를 2개 모델로 학습하여 그 성능을 비교하였다. 또한 2개의 생성형 AI 기반의 경로예측 모델에 대한 추론 성능 분석을 수행하였다. 시험 결과 생성형 AI 기반의 경로예측 모델로 항적 데이터를 이용한 미래경로 예측 수행 가능함을 확인하였다.

다국어 초록 (Multilingual Abstract)

In this study, based on the trajectory data of a mobile ballistic missile, the path of a mobile ballistic missile was predicted using the time series data prediction function of generative AI. A mobile ballistic missile initially has the same movement characteristics as a ballistic missile, and after the re-entry stage, it uses lift to maneuver to the desired target point. In the case of traditional ballistic missiles, it is possible to predict the future path using the track information received from the detection sensor, but in the case of mobile ballistic missiles, it is difficult to predict the future path due to the uncertainty of future dynamic information changes in the track. In this study, a test was conducted to predict the future path of a mobile ballistic missile by applying two previously published generative AI-based path prediction models. The learning data used simulated trajectories created through modeling of motion characteristics reflecting lift by applying aerodynamic characteristics using the published shape and specifications of the missile, and the same data was learned as two models and their performances were compared. In addition, an inference performance analysis was performed on two generative AI-based path prediction models. As a result of the test, it was confirmed that it is possible to predict future routes using track data with a generative AI-based route prediction model.