AI 브리핑

방산 시장이 변화하고 있으며, 이제는 하드웨어 중심에서 소프트웨어, AI, 자율성, 네트워크 같은 눈에 보이지 않는 운영체계가 전장을 지배하는 시대로 옮겨가고 있어요. AI 파일럿과 무인기 같은 기술의 핵심은 무엇을 만드느냐가 아니라 가치사슬의 윗단을 누가 차지하느냐에 있어요.

얼굴 인식 시스템의 위장 공격에 대응하기 위해 외부 시각 도구를 활용하는 멀티모달 대형 언어 모델 기반 얼굴 위장 탐지 프레임워크를 제안했어요. 직관적 관찰에서 시작해 세밀한 위장 단서를 조사하는 사고 연쇄 방식으로 동작하며, 새로운 ToolFAS-16K 데이터셋과 도구 인식 학습 방법을 통해 교차 도메인 일반화 성능을 향상시켰어요.

이 연구는 확산 모델 기반의 세계 모델을 활용하여 로봇 조작 정책을 개선하는 World4RL 프레임워크를 제안했어요. 모방 학습으로 초기화된 정책을 실제 환경 상호작용 없이 상상된 환경에서 강화학습으로 정제하며, 실제 실험에서 모방 학습 대비 훨씬 높은 성공률을 달성했어요.

이 연구는 딥러닝 기반 XSS(Cross-site scripting) 탐지 모델에 대한 적대적 공격을 분석하고, 강화학습을 활용한 공격 기법을 복제 및 확장했어요. 상태 기반 평가 전략과 XSS 오라클을 도입하여 공격의 유효성을 검증한 결과, 96% 이상의 회피율을 달성했어요.

이 논문은 선형계획법(LP) 완화 접근을 통해 일반적인 고차 그래프 모델에서 정확한 MAP 추론을 수행하는 방법을 제시해요. 델타-분포와 직교 투영이라는 새로운 대수적 도구를 도입하여 기댓값 최적화 프레임워크를 개발하고, LP 완화를 적용한 후 분수 해에서 정확한 MAP 해를 계산하는 알고리즘을 제안해요.

이 연구는 생성형 AI(대규모 언어모델)를 활용하여 사회-환경 계획의 문제 개념화 과정을 자동화하는 워크플로우를 제안했어요. 이해관계자들의 자연언어 설명을 정량적 모델로 변환하는 참여형 모델링을 LLM이 지원하여 복잡하고 시간이 오래 걸리는 과정을 단순화할 수 있었어요. 호수 문제와 전력시장 문제에 실제 적용한 결과, 반복적인 인간 검증을 거쳐 수용 가능한 결과물을 얻을 수 있었어요.

이 연구는 계획 문제를 해결하기 위해 신경망으로 전이 모델을 명시적으로 학습하는 방법을 제안했어요. 직접 행동 예측 대신 세계 상태를 자동회귀적으로 예측하여 도메인 동역학을 학습하며, 더 적은 데이터와 작은 모델로도 기존 Transformer 기반 계획 수립 방법보다 더 나은 성능을 달성했어요.

점수 기반 확산 모델의 역문제 해결 방식을 재분석한 DAPS++를 제시했어요. 기존 방식과 달리 확산 초기화와 측정 일관성 기반 개선을 완전히 분리하여 계산 효율을 높이고 다양한 이미지 복원 작업에서 강건한 성능을 달성했어요.

이 논문은 계획 도메인 정의 언어(PDDL)의 공리(axiom)가 최소 고정점 논리(least fixed point logic)와 동등함을 증명했어요. PDDL 공리의 제한 조건들을 분석하여 층화 가능한 공리와 표준 PDDL 공리가 모두 동일한 표현력을 가지고 있음을 보였어요.

이 논문은 형식적 언어인 ω-정규 언어로 표현된 행동 요구사항을 강화학습 목표로 자동 변환하는 새로운 프레임워크를 제시했어요. 기존 방식과 달리 에피소드 리셋 없이 연속적인 작업에서 평균 보상 기준을 사용하여 학습하며, 절대적 생존성 명세를 만족하는 정책 중에서 외부 목표도 함께 최적화해요.