Evaluating the Predictive Added Value of Dynamics-Aware Spatial Partitions Under Tactical Distribution Shift

Motivation

• Known: Voronoi Diagram은 Euclidean 근접성에 기반한 해석 가능한 공간 분할 도구로 다중 에이전트 coverage 및 전술 분석에 널리 활용되어 왔으며, LQR 기반 CIV는 속도·질량·제어 노력을 반영하는 dynamics-aware 대안으로 제안되어 왔다.
• Gap: CIV가 수학적으로는 우아한 대리 모델이지만, 고차원 연속 변수를 조건으로 하는 정확한 nonparametric conditional-independence test는 통계적으로 제한적이며, high-fidelity nonlinear 시뮬레이션에서 CIV가 실제로 VD와 시나리오 기술자 이상의 표적 관련 정보를 제공하는지는 검증된 바 없다.
• Why: 물리 기반(physics-informed) 표현이 단순히 이론적으로 매력적인 것을 넘어 실제 고신뢰도 시뮬레이션에서 실질적 예측 부가가치를 갖는지 엄밀하게 검증하는 방법론은, 시간적 의존성이나 공유된 전술 구조로 인한 허위 성능 향상을 배제하면서 물리 기반 표현의 실효성을 평가하는 데 중요하다.
• Approach: 이 논문은 CIV의 검증 문제를 정확한 조건부 독립성 검정 대신 fold-safe conditional added-value test로 재구성하여, 각 훈련 fold 내에서 CIV 특징을 VD 및 시나리오 기준선에 대해 residualize한 후, out-of-fold paired probabilistic loss로 실행 단위(execution-level) pre-hit 요약에 대한 설명적 기여를 평가한다.

Achievement

Figure 3. Scenario-cell clustered CIV added value and negative

1. Fold-safe added-value 프레임워크 제시: 고차원 연속 조건화로 인해 어려운 exact conditional-independence test를 실용적인 fold-safe added-value 문제로 전환하는 방법론을 정식화하였다.
2. Execution-level 집계 및 scenario-cell 추론 프로토콜 설계: 시간적으로 의존적인 프레임이나 반복된 랜덤 시드를 독립 증거로 취급하지 않도록 execution-level pre-hit 요약과 scenario-cell 단위 clustered inference를 설계하였다.
3. CIV의 일관된 부가 설명력 입증: ASA 기반 high-fidelity BVR 시나리오 패밀리(1,920회 실행, 64개 시나리오 셀)에서 LQR-CIV가 classical VD 및 전술 시나리오 기술자를 넘어서는 일관된 pre-hit 설명적 added value를 이진 표적 손상 발생(binary target-damage occurrence)에 대해 제공함을 negative control, early flight-state control, leave-one-factor-out validation을 통해 입증하였다.

How

Figure 4. Leave-one-factor-out validation under structured tacti-

• ASA(Aerospace Simulation Environment)에서 생성된 BVR target-defense 시나리오 데이터를 사용하며, attack axis, red/blue shot philosophy, blue missile count, red aircraft count의 조합으로 정의된 64개 tactical scenario cell에서 총 1,920회 실행을 수집.
• 연속적 표적 손상량 D_target_i을 이진 라벨 Y_i = 1{D_target_i > 0}로 변환하여 binary target-damage occurrence task로 정의.
• X(CIV 기반 spatial-control summary)를 Z(VD 기하 및 시나리오 변수) 기준선에 대해 각 training fold 내에서 residualize하여 fold-safe한 조건부 부가가치를 평가.
• 표적 손상 이전 active engagement phase에 해당하는 execution-level pre-hit summary로 VD/CIV utility를 집계하고, scenario-cell 단위 clustered inference로 반복 실행(random seed) 간 의존성을 통제.
• Negative control, early flight-state covariate control, leave-one-factor-out validation을 통해 added-value 신호의 특이성과 강건성을 검증.

Originality

• Classical VD와 LQR 기반 CIV라는 기존 공간 분할 표현을 그대로 사용하지만, 이를 예측 부가가치 검증이라는 새로운 통계적 문제로 재구성한 점이 독창적이다.
• 정확한 conditional-independence test가 통계적으로 불가능한 상황에서 fold-safe residualization과 paired out-of-fold probabilistic loss를 결합한 실용적 대안 검정을 제시하였다.
• 시간적 의존성과 반복 시드로 인한 허위 상관을 배제하기 위해 scenario-cell 단위 clustered inference와 execution-level 집계라는 도메인 특화 검증 프로토콜을 설계하였다.

Limitation & Further Study

• 평가가 단일 ASA BVR target-defense 시나리오 패밀리(64개 셀, 1,920 실행)에 국한되어 있어, 다른 전술 시나리오나 실제 비행 데이터로의 일반화 가능성은 검증되지 않았다.
• 표적 손상 여부를 이진화함으로써 연속적 손상 크기에 대한 정보 손실이 발생하며, 이는 실제 임무 중요도를 완전히 반영하지 못할 수 있다.
• LQR 기반 CIV는 단순화된 control-theoretic 대리 모델에 기반하므로, 더 복잡한 비선형 동역학이나 다른 제어 전략(MPC 등)과의 비교가 이루어지지 않았다.
• 후속 연구로는 다양한 시나리오 패밀리 및 실비행 데이터에 대한 외부 검증, 연속적 손상 크기 예측으로의 확장, 다른 dynamics-aware 표현과의 비교가 필요하다.

Evaluation

총평: 이론적으로 매력적인 physics-informed 표현의 실질적 예측 가치를 통계적으로 엄밀하게 검증하려는 시도로서 방법론적 기여가 뚜렷하며, 단일 시나리오 패밀리에 국한된 한계에도 불구하고 향후 dynamics-aware 표현 검증 연구에 유용한 프레임워크를 제공한다.