仮想ターゲットを用いた多対多ミサイル誘導

- 本論文は many-vs-many のミサイル誘導のための新しい手法を提案する。 - Normalizing Flows ベースの trajectory predictor が生成する virtual targets (VTs) を利用する。 - 従来の weapon target assignment のように n 機の interceptor を m 個の物理 target に直接割り当てるのではなく、n 本の VT trajectory を構築する集中型戦略をとる。 - 各 interceptor は midcourse では Zero-Effort-Miss guidance で割り当て VT へ向かい、terminal では Proportional Navigation guidance に遷移する。 - many-vs-many を many-vs-distribution として扱う枠組みである。

- 従来の weapon target assignment では n 機を m 個の物理 target に直接割り当てる。 - 本手法は物理 target ではなく、maneuvering target 挙動の確率的予測である VT trajectory に interceptor を割り当てる点が異なる。 - 同一の決定論的予測を全機で追うのではなく、多様な trajectory hypothesis に interceptor を分散させる。 - これにより数量的優位 (n > m) を活用する点が新しい。 - 要旨からは、既存研究との定量的な直接比較の詳細は不明。

- Normalizing Flows-based trajectory predictor で target 挙動の確率的予測を行う。 - その予測から n 本の virtual target (VT) trajectory を構築する集中型戦略を採用。 - 各 interceptor を割り当て VT へ誘導する。 - midcourse は Zero-Effort-Miss guidance、terminal は Proportional Navigation guidance を用いる。 - many-vs-many を many-vs-distribution として定式化し、多様な trajectory hypothesis へ interceptor を分散させる。

- Monte Carlo simulations により検証。 - target 1-6、interceptor 1-8 の各種 target-interceptor 構成を対象。 - n = m のとき、VT 法は baseline の straight-line prediction と同等以上で 0-4.1% の性能を示す。 - n > m のとき改善幅は 5.8-14.4% に増加。 - 確率的 VT が数量的優位の活用を可能にし、many-vs-many での interception probability を有意に高めることを確認。

- 結果は、確率的 VT が数量的優位 (n > m) の有効活用を可能にし、interception probability を大きく高めることを示す。 - 一方、要旨からは計算コスト、Normalizing Flows の予測精度依存性、実運用上の制約などの議論は不明。 - 限界や失敗ケースに関する記述は要旨からは不明。

- 要旨で比較対象として挙げられている baseline の straight-line prediction に関する研究。 - 従来の weapon target assignment アルゴリズムに関する研究。 - Normalizing Flows を用いた trajectory prediction の関連研究。 - Zero-Effort-Miss guidance および Proportional Navigation guidance の原典・関連研究。