[논문 리뷰] A Future Capabilities Agent for Tactical Air Traffic Control

Paul Kent, George De Ath외 4명|arXiv (Cornell University)|2026. 01. 07.

Air Traffic Management and Optimization인용 수 0

한 줄 요약

이 논문은 시스템화된 공역에서 전방 계획, 규칙 기반 AI 에이전트인 Agent Mallard를 제시하며, 안전하고 해석 가능한 충돌 해결을 보장하기 위해 실행 전에 확률적 디지털 트윈을 통해 모든 후보 기동을 검증합니다.

ABSTRACT

Escalating air traffic demand is driving the adoption of automation to support air traffic controllers, but existing approaches face a trade-off between safety assurance and interpretability. Optimisation-based methods such as reinforcement learning offer strong performance but are difficult to verify and explain, while rules-based systems are transparent yet rarely check safety under uncertainty. This paper outlines Agent Mallard, a forward-planning, rules-based agent for tactical control in systemised airspace that embeds a stochastic digital twin directly into its conflict-resolution loop. Mallard operates on predefined GPS-guided routes, reducing continuous 4D vectoring to discrete choices over lanes and levels, and constructs hierarchical plans from an expert-informed library of deconfliction strategies. A depth-limited backtracking search uses causal attribution, topological plan splicing, and monotonic axis constraints to seek a complete safe plan for all aircraft, validating each candidate manoeuvre against uncertain execution scenarios (e.g., wind variation, pilot response, communication loss) before commitment. Preliminary walkthroughs with UK controllers and initial tests in the BluebirdDT airspace digital twin indicate that Mallard's behaviour aligns with expert reasoning and resolves conflicts in simplified scenarios. The architecture is intended to combine model-based safety assessment, interpretable decision logic, and tractable computational performance in future structured en-route environments.

연구 동기 및 목표

• 항로 ATC에서 자동화를 추진하면서 안전 보증 및 해석 가능성의 격차를 다룬다.
• 사전 정의된 GPS 안내 경로를 갖춘 시스템화된 공역용으로 설계된 전방 계획, 규칙 기반 에이전트(Mallard)를 제안한다.
• 의사 결정 루프에 확률적 전방 시뮬레이션(디지털 트윈)을 통합하여 불확실성 하의 후보 기동을 검증한다.
• 차선 기반의 경로 구조 공역을 활용하여 횡방향 제어 복잡성을 감소시키고 실시간 충돌 해결의 가능성을 높인다.
• 인간 운영자가 의사 결정을 감사할 수 있도록 해석 가능하고 인과 추적 가능한 프레임워크를 제공한다.

제안 방법

• 다섯 가지 핵심 구성요소를 갖춘 Agent Mallard 아키텍처를 도입한다: 시스템화된 공역 구조, 불확실성이 있는 궤적 시뮬레이션, 상태 기반 조건부 정책, 전문가 정보에 기반한 의사결정, 그리고 인과 추적성.
• 섹터 전체 공역 계획에 대한 깊이 제한 역추적 탐색을 사용하여 모든 항공기에 대해 충돌 없이 해를 찾는다.
• 계획을 계층적으로 표현한다(비행 계획, 기동, 계획된 행동, 조건, 그리고 행동) 다중 수준 추론과 손쉬운 수정 가능성을 위해.
• Plan Splicing을 사용하여 충돌하는 계획 구간에 삽입하되 이전 및 이후 계획 로직을 보존한다.
• 상대 수직 상태, 진행 방향, 속도의 3차원 분류 체계를 사용하여 미리 순위가 매겨진 충돌 해소 전략을 선택한다.
• 할당을 단순화하고 진동을 방지하는 단조로운 축 제약을 가능하게 하기 위해 횡방향과 수직 방향의 독립적인 제어 축을 유지한다.

Figure 1 : Agent Mallard’s operational flowchart. Blue: initialisation (airspace state received, plans generated if needed). Yellow: evaluation (plan simulated on the digital twin). Red: deconfliction (if unsafe, Backtracking search looks for a safe alternative; see Sec. 3.5.4 ). Green: execution (i

실험 결과

연구 질문

• RQ1 해석 가능성을 희생하지 않으면서 ATC 결정의 불확실성 하에서 안전성을 어떻게 검증할 수 있는가?
• RQ2 차선 기반 구조를 통해 시스템화된 공역에서 규칙 기반의 전방 계획 에이전트가 실시간 성능을 달성할 수 있는가?
• RQ3 의사 결정 루프에 확률적 디지털 트윈을 삽입하면 전문가 ATCO의 추론과 일치하는 강건하고 설명 가능한 충돌 해결을 얻을 수 있는가?
• RQ4 전면 재최적화가 아니라 로컬 수정(Plan Splicing)이 포함된 통합 역추적 탐색으로 섹터 전체 충돌 해결을 달성할 수 있는가?
• RQ5 단순화된 시나리오에서 Mallard가 인간 운영자와의 정렬을 나타내는 검증 방법(전문가 워크스루, 디지털 트윈 테스트)은 무엇인가?

주요 결과

• 예비적인 전문가 컨트롤러 워크스루 및 초기 디지털 트윈 테스트는 단순화된 시나리오에서 Mallard의 행동이 전문가 추론과 일치함을 시사한다.
• Mallard는 전체 재최적화 없이 계획을 반복적으로 시뮬레이션하고 수정하여 섹터 전체 충돌을 해결하는 능력을 보여준다.
• 차선 기반의 시스템화된 공역 설계는 의사 결정 공간을 이산적 차선/수준 선택으로 축소하여 안전 검증이 가능한 실시간 평가를 실행 가능하게 한다.
• 불확실성 하에서의 전방 시뮬레이션의 통합은 모델 기반의 안전 평가를 가능하게 하고 인과 추적성을 통해 해석 가능성을 향상시킨다.
• 초기 결과는 이 구조가 체계화된 항로 환경에서 안전하고 해석 가능한 의사결정을 지원할 수 있음을 시사하며, 지속적인 에이전트 검증 작업이 진행 중이다.

Figure 2 : A set of deconflicted lanes for a training sector. The Right and Left lanes for each route are geometrically deconflicted from each other.