풀업(Pull-up) 기동을 고려한 Diffusion 기반 비행체 궤적 예측 생성 모델 (A Diffusion-based Trajectory Prediction Model for Flight Vehicles Considering Pull-up Maneuvers)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 52권 / 3호 / 241 ~ 249페이지
· 저자명 : 이성균, 강준성, 염제윤, 홍동욱, 김영민, 송경우

초록

본 논문은 비행체의 풀업(pull-up) 기동을 고려한 비선형 궤적 예측을 목표로 하여, 시계열 다변량 데이터를 처리하는 새로운 모델을 제안한다. 이를 위해 최신 생성형 인공지능 모델인 CSDI (Conditional Score-based Diffusion Models for Imputation)를 기반으로 비행체의 궤적을 예측하였다. 특히 풀업 기동 여부에 따라 비행체의 항행 거리와 모양이 크게 달라지므로, 풀업이 있는 데이터와 풀업이 없는 데이터를 분리하여 각각의 모델을 학습하고 예측하였다. 실험 결과, 모델이 실제 궤적과 매우 유사한 궤적으로 예측하였으며 MAE, RMSE, CRPS 지표에서 기존 딥러닝 모델보다 높은 성능을 기록하였다. 본 연구는 비행체 궤적 예측의 정확성을 높였을 뿐만 아니라, 향후 Classifier Diffusion 모델과의 결합을 통해 더 정교한 예측을 가능하게 할 수 있음을 제시한다.

영어초록

This paper proposes a new model for processing multivariate time series data aimed at predicting nonlinear trajectories related to aircraft pull-up maneuvers. To achieve this, aircraft trajectories were predicted using CSDI (Conditional Score-based Diffusion Models for Imputation), a state-of-the-art generative AI model. Specifically, because the flight distance and shape of the aircraft vary significantly depending on the presence of pull-up maneuvers, the data were separated into subsets with and without these maneuvers to train and predict distinct models. Experimental results demonstrated that the model predicted trajectories very similar to actual trajectories and achieved superior performance in MAE, RMSE, and CRPS metrics compared to existing deep learning models. This study not only enhances the accuracy of aircraft trajectory prediction but also suggests the potential for more sophisticated predictions through future integration with Classifier Diffusion models.

참고자료

· 없음