디지털 트윈 기반 UAV-ABS 무선 채널 최적화 강화학습 연구

Digital Twin based Reinforcement Learning for UAV-ABS Wireless Optimization

연구 내용

디지털 트윈과 레이 트레이싱 기반 채널 모델을 결합하여 UAV의 위치 및 통신 상태를 강화학습으로 최적화하는 연구

본 연구는 UAV를 aerial base station(ABS)로 활용할 때 발생하는 채널의 시공간 변동성을 정밀하게 반영하기 위해 디지털 트윈 기반 성능평가 절차를 구성합니다. 건물 및 지형 정보를 포함하는 레이 트레이싱 채널 모델을 사용하고, 딥 강화학습(DPPG)으로 디지털 트윈 상에서 전체 처리량을 기준으로 UAV 배치와 전송 상태를 결정합니다. 이를 통해 음영 영역 감소와 궤적 학습 가능성을 함께 확보하는 방향으로 차별성을 둡니다.

관련 프로젝트

1건

연구 흐름

초기 단계에서는 디지털 트윈 상에서 UAV-ABS 환경을 재현하기 위해 레이 트레이싱 기반 채널 모델을 구축하고, 위치 변화에 따른 전파 경로 변동성을 반영하는 절차를 마련했습니다. 이후에는 UAV의 배치 파라미터를 행동으로 두고 처리량을 목적함수로 하는 강화학습 정책을 설계하여 최적 궤적을 도출했습니다. 최근에는 표적 배치 영역에 대해 채널 모델 정확도를 강화하고, 지상 기지국 대비 성능 차이를 비교하는 평가로 연구를 확장하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

UAV 기반 셀 커버리지 확장
재난 지역 임시 통신망 운영
도심 고밀도 트래픽 대응
ABS 배치 최적화 엔진
채널 추정 기반 링크 품질 예측
실시간 자원 할당 정책
무인 이동체 궤적 설계
스마트 네트워크 시뮬레이션 플랫폼
도시 3D 환경 기반 전파 모델링
서비스 지역 맞춤형 네트워크 계획