AI 사업
선행기술 TF를 중심으로 강화학습 기반 자동제어 플랫폼과 국산 NPU 영상탐색기를 자체 연구·개발하고, 이 기술을 저고도 레이더·요격드론과 결합한 AI 기반 대드론 요격체계로 확장하고 있습니다.
AI 자동제어 (강화학습)
행동규칙이나 정답을 알려주지 않고 보상만으로 최적의 행동방식을 스스로 터득하는 강화학습을 비행 자동제어에 적용합니다. 반복 시험이 가능한 시뮬레이션 환경과 학습 모델을 폐루프로 연결한 자체 플랫폼을 구축했습니다.
강화학습 자동제어 플랫폼
선행기술 연구시뮬레이션 환경과 강화학습 모델을 상태(State)·보상(Reward)·행동(Action)으로 연결한 폐루프 학습 구조
- PyGame 기반 반복 가능 시험환경 — 상태·보상 실시간 제공
- 관측 7종: 비행단계 · Yaw · Pitch · Tilt · 표적 화면좌표(dx, dy) · 경과시간(dT)
- 제어 3종: Yaw · Pitch · Tilt (각 23단계 이산값 → 각속도 변환)
- 보상 설계: 매 프레임 화면 중심 근접도 + 명중/실패 종료 보상
- 방위각(Azimuth) · 고각(Elevation) · LOS · FOV 기반 좌표계 정의
비행 시나리오 모델링
선행기술 연구Boost · Cruise · Synchronize · Attack 4단계 비행 시나리오와 종료 판정 로직
- 초기조건 랜덤화: 비행속도 100~200 m/s · 초기 고각 -40~-10° · 부스트 3~5초
- 표적 이동속도 30~60 km/h 랜덤 부여
- 단계별 자세·카메라 제어 목표 자동 전환(Pitch·Tilt)
- 종료 판정: 명중(HIT) · 추락(CRASH) · 추적실패(Loss of Lock) · 요격실패(MISS)
- 학습 모니터링 화면: 카메라 뷰 · 맵 · 고도/자세 그래프
강화학습 모델 (PPO)
선행기술 연구Stable-Baselines3 기반 PPO(Proximal Policy Optimization) Actor/Critic 정책 학습
- 강화학습 표준 라이브러리(Stable-Baselines 3) 기반 구현
- Actor/Critic 아키텍처 · 2-hidden layer(Linear) 구성
- Actor [128, 128] · Critic [256, 256] 네트워크
- 학습률 0.001 / 0.0003 비교 실험으로 수렴 특성 분석
AI 영상탐색기
단안(單眼) 영상 센서와 국산 NPU만으로 표적을 실시간 검출·추적하고 유도 제어 정보를 생성합니다. 다중 센서 기반 대비 무게·전력 소모·구성 복잡도와 운용 비용을 크게 낮추는 것을 목표로 합니다.
단안 영상 표적 탐지·추적
선행기술 연구단안 RGB 영상 기반 실시간 객체 탐지 및 표적 Lock-on 유지
- 딥러닝 객체 탐지 모델(YOLO · MobileNet 계열) 바운딩 박스 출력
- Lock-on 위치와 탐지 객체 중심 사이 거리가 최소인 객체를 표적으로 선택
- 복수 객체 교차·중첩 시 예측 위치와 최근접한 객체를 동일 표적으로 판단
- 표적이 화면에서 일정 시간 이상 사라지면 추적 실패로 판정
LOS 기반 유도 제어
선행기술 연구영상 좌표 오차를 시선각(LOS) 오차로 변환하여 유도·카메라 제어량을 생성
- 표적 중심과 영상 중심 간 오차를 화면 크기로 정규화하여 산출
- HFOV · VFOV를 이용한 수평·수직 시선각 오차 변환
- 유도체 Yaw · Pitch 및 카메라 Tilt · Zoom 제어량 실시간 생성
- 시뮬레이터 · 제어기 · 탐지기 간 통신 프로토콜 설계
국산 NPU 임베디드 추론
선행기술 연구Raspberry Pi 5 + 국산 DeepX NPU(dx-m1) 기반 실시간 추론 성능 검증
- YOLOX-Nano 평균 추론시간 6.5 ms — 동일 보드 CPU(69.2 ms) 대비 약 10배 단축
- YOLOX-Tiny 8.2 ms · MobileNetV2+SSD 8.4 ms · YOLO26n 19.6 ms (NPU 기준)
- PC(GPU · CPU) 환경과 비교하여 임베디드 실시간 적용 가능성 확인
- Unity 기반 비행 시뮬레이터 연동 검증 — 표적거리 1.5~2.5 km · 비행속도 약 170 m/s
AI 기반 대드론 요격체계
저고도 레이더의 최초 탐지부터 요격드론의 자율 표적 식별·추적·요격까지, 디지트론이 자체 개발한 AI 영상 알고리즘으로 연결되는 대드론 요격 시나리오입니다.
탐지 · 경보 및 요격 통제
01적 자폭 드론을 전방 2 km 지점에서 최초 탐지하고 관제소에서 요격을 승인합니다.
- 영공을 침투하는 적 자폭 드론을 전방 2 km 지점에서 저고도 레이더가 최초 탐지
- 탐지된 위협 기체 정보를 관제소 시스템으로 전송
- 운용병이 모니터로 위협 상황을 확인한 후 요격 명령을 승인
- 요격 승인과 동시에 요격드론이 표적 예상 지점을 향해 발사
AI 표적 식별 · 추적
02요격드론에 탑재된 EO 카메라 영상을 자체 개발 AI 알고리즘이 실시간으로 분석합니다.
- 공중 기동을 시작하며 기체 탑재 EO(전자광학) 카메라 활성화
- 자체 개발 AI 알고리즘이 EO 카메라의 실시간 영상 데이터를 분석
- 영상 내 적 자폭 드론의 외형 특징을 식별
- 식별된 표적에 정밀 타겟 박스를 구동하는 실시간 디텍션 수행 후 추적 모드 전환
자율 요격 유도
03AI 디텍션 데이터와 표적 기동 경로를 바탕으로 요격 궤적을 스스로 계산합니다.
- AI 디텍션 데이터와 표적의 기동 경로를 기반으로 최적의 요격 궤적을 자체 계산
- 계산된 궤적을 따라 정밀 유도 비행으로 적 기체에 접근
- 공중에서 자폭 드론을 무력화