[논문 리뷰] AI-Augmented Multi Function Radar Engineering with Digital Twin: Towards Proactivity

Mathieu Klein, Thomas Carpentier외 8명|arXiv (Cornell University)|2020. 06. 18.

Radar Systems and Signal Processing참고 문헌 22인용 수 15

한 줄 요약

이 논문은 시간 예산 제약 조건 내에서 레이더 운영 모드—예를 들어 비추면형성, 웨이브폼, 볼륨 격자—를 자율적으로 설계할 수 있도록 이산 및 연속 최적화 알고리즘을 활용하는 AI 보강형 디지털 트윈 프레임워크를 제안한다. 이 시스템은 동적 환경, 위협 상황, 고장 조건에 대응해 실시간으로 적응형 모드 추천을 가능하게 하며, 선제적 레이더 운영에 적합한 고속 계산 성능을 입증한다.

ABSTRACT

Thales new generation digital multi-missions radars, fully-digital and software-defined, like the Sea Fire and Ground Fire radars, benefit from a considerable increase of accessible degrees of freedoms to optimally design their operational modes. To effectively leverage these design choices and turn them into operational capabilities, it is necessary to develop new engineering tools, using artificial intelligence. Innovative optimization algorithms in the discrete and continuous domains, coupled with a radar Digital Twins, allowed construction of a generic tool for "search" mode design (beam synthesis, waveform and volume grid) compliant with the available radar time budget. The high computation speeds of these algorithms suggest tool application in a "Proactive Radar" configuration, which would dynamically propose to the operator, operational modes better adapted to environment, threats and the equipment failure conditions.

연구 동기 및 목표

• 소프트웨어 정의, 완전히 디지털화된 다기능 레이더(예: Sea Fire 및 Ground Fire)에서 증가하는 자유도를 관리하는 데 도전하는 데 목적을 두며.
• 시간 예산 제약 조건 하에서 레이더 운영 모드의 복잡한 설계 공간을 효율적으로 탐색할 수 있는 엔지니어링 도구를 개발하는 데 목적을 두며.
• 실시간 환경, 위협, 시스템 상태 조건을 기반으로 최적의 모드를 동적으로 추천함으로써 선제적 레이더 운영을 가능하게 하는 데 목적을 두며.
• 인공지능과 디지털 트윈 기술을 레이더 시스템 엔지니어링에 통합하여 운영 적응성과 성능을 향상시키는 데 목적을 두며.

제안 방법

• 레이더 모드 설계 공간(비추패턴, 웨이브폼, 볼륨 격자)을 탐색하기 위해 이산 및 연속 영역에서 모두 하이브리드 최적화 알고리즘을 활용한다.
• 배치 이전에 설계 구성표를 시뮬레이션하고 검증하기 위해 레이더 시스템의 디지털 트윈을 활용한다.
• 환경, 위협, 시스템 상태에 대한 실시간 데이터를 통합하여 AI 기반의 모드 추천을 이끌어내는 데 활용한다.
• 레이더의 시간 예산 제약 조건을 준수하는 '검색' 모드 구성에 적합한 일반적이고 재사용 가능한 도구를 설계한다.
• 최적화 파이프라인의 고속 계산 성능을 활용해 실시간 또는 근접 실시간 의사결정 지원을 가능하게 한다.
• AI와 디지털 트윈을 통합하여 예측적이고 적응형 레이더 행동을 가능하게 하여 반응형 운영을 넘어선다.

실험 결과

연구 질문

• RQ1 시간 예산 제약 조건 하에서 AI와 디지털 트윈 기술을 어떻게 통합하여 다기능 레이더 모드 설계를 자동화하고 최적화할 수 있는가?
• RQ2 비추패턴, 웨이브폼, 볼륨 격자 등을 포함한 복잡한 레이더 설계 공간을 효율적으로 탐색할 수 있는 최적화 전략은 무엇인가?
• RQ3 AI 기반 추천이 변화하는 위협과 시스템 조건이 있는 동적 환경에서 레이더의 적응성을 향상시킬 수 있는가?
• RQ4 제안된 프레임워크의 계산 속도가 실시간 또는 선제적 레이더 운영을 지원하는 데 얼마나 기여할 수 있는가?
• RQ5 디지털 트윈 모델은 물리적 테스트가 필요 없이 AI 보강형 레이더 엔지니어링의 정밀도와 신뢰성을 어떻게 향상시킬 수 있는가?

주요 결과

• 제안된 AI 보강형 디지털 트윈 프레임워크는 비추형성, 웨이브폼 선택, 볼륨 격자 구성과 같은 레이더 운영 모드를 빠르고 자동으로 설계할 수 있다.
• 최적화 알고리즘이 고속 계산 성능을 달성하여 실시간 또는 근접 실시간 모드 추천이 선제적 레이더 시스템에 가능하게 한다.
• 시스템은 환경 조건, 위협 수준, 장비 고장 상태에 따라 동적으로 적응하는 운영 모드를 추천할 수 있는 능력을 입증한다.
• 디지털 트윈은 정확한 시뮬레이션과 구성 검증을 가능하게 하여 고비용의 물리적 테스트에 대한 의존도를 감소시킨다.
• 이 프레임워크는 Thales의 Sea Fire 및 Ground Fire 레이더와 같은 다양한 레이더 플랫폼 간에서 일반적이고 재사용 가능하다.
• AI와 디지털 트윈 기술의 통합은 반응형 운영에서 선제적 운영으로의 전환을 가능하게 하여 임무 효율성을 향상시킨다.