군사로봇의 감시제어에서 운용자 역량 평가 방법에 관한 연구

1. 서 론

군사 로봇은 미래 전장에서 중요한 역할을 수행할 것 으로 전망되며, 위험하고 반복되며 어려운 임무에 적극 적으로 운용될 것이다. 예를 들면, 지뢰 폭발물 제거, 감 시 정찰, 중요지역 거점 방어 등이다. 군사 선진국에서는 이미 군사 로봇 운용이 실용화 단계에 와 있다^[1]. 국내에 서는 향후 무인 경전투차량이 개발될 예정이다.

군사 로봇의 가장 큰 특징 중의 하나는 무인화･자동화 이다. 그런데 로봇이 무인화･자동화 되더라도 인간요소 를 완전히 배제하지 못하며, 인간요소는 여전히 중요한 요소가 된다^[2]. 단지, 이전과는 달리 인간과 로봇 사이의 상호작용에서 서로의 역할에 대한 재분배가 이루어질 것이다. 상호작용과 관련된 요소로는 Fig. 1에서 보다시 피 운용자 역량, 사용자 인터페이스, 자동화가 있는데, 미래 군사로봇 연구개발에서 운용자 역량은 로봇 자동 화와 사용자 인터페이스와 더불어 중요한 설계변수가 된다^[3].

Fig. 1

Human-robot interactions

운용자 역량은 1인이 운용할 수 있는 로봇의 수 혹은 다수의 운용자가 운용할 수 있는 로봇의 수를 의미한다^[4]. 일반적으로 원격 차량형 군사로봇의 경우에는 후자를 의미한다. 운용자 역량은 로봇 자동화 그리고 사용자 인 터페이스와 더불어 밀접한 관련성을 지닌다. 로봇자동 화 수준이 향상되면 운용자의 역할이 줄어든다. 사용자 인터페이스가 효율적으로 설계되면 마찬가지로 운용자 의 상황인식 능력이 제고되어 운용자 역량의 효과가 증 가한다. 본 논문에서는 이러한 특성을 고려한 차량형 군 사로봇의 운용자 역량을 평가할 수 있는 방법을 제안하 는 데에 그 목적이 있다.

논문의 구성은 제 1장에서 서론, 제 2장에서는 관련이 론과 기존 연구를 고찰하고, 본 연구에서 제시하는 방법 의 기존 연구와 차별성 및 기여에 대해서 설명한다. 제 3장에서는 운용자 역량의 평가 방법을 설명한다. 제 4장 에서는 운용자 역량의 평가 방법을 실험적으로 적용한 결과를 설명하고, 마지막으로 제 5장에서 결론을 맺는다.

2. 관련 이론 및 기존 연구 고찰

2.1. 관련 이론 및 기존 연구

운용자 역량은 인간과 로봇의 상호작용에서 중요한 연구분야 중의 하나이다^[5]. 이는 인간정보처리이론, 인 간자원이론, 통제 이론을 바탕으로 운용자 과업 M&S (Modeling & Simulation) 혹은 실험을 통해서 연구가 이 루어진다.

∙. 인간정보처리 이론

Henrry와 Farrell^[6]은 인간의 행위를 인간정보처리 (Human Information Process, HIP)모델을 사용하여 설명 하였다. 이는 4단계로 이루어진다. 인식, 목표상태 평가, 방책선택, 그리고 방책이행 단계이다. 군사분야에서도 이와 유사하게 지휘관의 행위를 상황인식, 결심, 집행으 로 구분한다^[7]. 이 구분들은 Fig. 2에서 보는 바와 같이 의미가 서로 대응된다. 지휘통제 분야의 상황인식은 좀 더 구체적이다. 이는 환경에서 중요한 요소를 인식하고, 그들의 의미를 이해하며 더 나아가서 미래 상태까지를 투사하는 의미까지를 포함한다^[8]. 상황인식 레벨1이 인 간정보처리모델의 지각에 해당하고, 레벨2와 레벨3은 목표상태 평가에 해당한다.

Fig. 2

Relationship of HIP model and SA

대부분의 운용자 과업에 대한 연구는 HIP이론에 근거 를 둔다. 예를 들면, 항공통제센터의 오퍼레이터 오류분 석연구^[9], 미래 병사체계와 로봇과 정보교환 적절성연구^[10] 등이 있다. 상황인식모델은 군사분야에서 원격통제시스 템 혹은 지휘통제에서 응용되고 있다^[11,13].

∙. 인간자원이론

인간자원이론은 인간이 과업노력을 수행하는 동안에 소모되는 인간자원에 대해서 설명한다. 이는 공업 심리 학에서 다루어지기도 한다. 인간자원이론에서는 심성모 델, 중다자원모델 등이 있다^[14]. 여기서 운용자 역량 평가 와 관련해서 중요한 것 중의 하나가 과업노력을 어떻게 인간자원 측면에서 정량화 하는가 이다. 이를 위한 방법 으로는 2가지가 있다. 생체반응척도와 경험척도이다. 생 체반응척도는 과업노력 시에 직접 생체반응을 측정하는 것이다. 예를 들면, 심박수, 동공움직임 등이다. 경험척 도는 과업노력을 일정한 수준으로 레벨링하여 수치화 하는 것이다. 여기에는 대표적으로 VACP^[15,16], TLX^[17] 가 있다. VACP는 시각(Visual), 청각(Auditory), 인지 (Cognition), 동작(Psychomotor)을 의미하고 특정한 과 업을 수행하는 데에 필요한 VACP 수준을 0에서 7까지 로 구분하여 운용자의 작업부하를 계량화하는 데에 적 용하고 있다. TLX는 Task Load IndeX의 약어로 NASA 에서 개발되었다. TLX는 6개 항목(정신적 요구, 육체적 요구, 시간긴박적 요구, 노력, 임무성취감, 불쾌감)으로 구성하고 각 항목별 작업부하 평가를 0에서 100까지로 20개 구간으로 나누어 점수화하여 평가한다.

∙. 통제 이론

운용자 역량은 인간-로봇 상호작용의 감시제어 통제 역량이다. Hollnagel & Woods는 감시제어 통제수준을 Fig. 3에서와 같이 목표수준(targeting), 감시(monitoring) 수준, 규제(regulating)수준, 그리고 추적(tracking)수준 으로 구분하였다^[18].

Fig. 3

Levels of supervisory control

Fig. 3의 가장 윗부분에 있는 목표수준에서는 목표를 설정하고 지속적으로 운용상황을 평가하며 필요 시에는 기존 목표를 수정한다. 감시 수준에서는 그 목표 달성을 위한 계획을 수립하고 진행 상황을 감시한다. 한편, 규제 수준에서는 감시 수준에서 수립된 계획이 곧 자체의 목 표가 되며, 이를 달성하기 위한 동작이 이루어지고 그 결과 상황에 대하여 평가한다. 마지막의 추적 수준에서 는 감시 수준의 동작이 자동화되어 실행되는 수준이다. 추적 수준에서 기계적 오류나 돌발 상황이 발생하면 필 요한 조치가 이루어진다. 이들은 다시 상위 수준의 것에 반영되어 전체적으로 피드백을 형성한다. 이러한 Hollnagel & Woods의 통제수준 구분은 감시제어에서 각 수준의 운용자 역할을 구분하기 위한 기준을 제공한다. 그리고 각 수준에서 운용자 역량은 자동화 수준에 따라 달라 지는데, Parasuraman은 그 자동화 수준을 8단계로 구분 하였다^[7].

∙. 운용자 과업 M&S

운용자 과업 M&S에는 이산시스템 방법^[19], 에이전트 기반 방법^[20], Petri-nets기반 방법^[21] 등이 있다. 이산시스 템 방법은 과업수행 모델링을 위해 전통적으로 적용해 오고 있는 방법이다. 이 방법을 적용하여 개발된 모델로 는 CART^[22]가 있다. 이는 상용 MicroSaint엔진^[23]을 바 탕으로 개발된 것이다. 에이전트기반 방법은 최근에 관 심이 높아지고 사건과 규칙기반으로 모델링 하게 된다. 대표적인 모델링 예로써 UGVSimp가 있다^[24]. 이는 에이 전트기반 방법과 프로세스 지향 방법을 혼합한 혼합 시 뮬레이션 방법을 적용하여 다중 무인차량에 대한 단 일 운용자의 작업 부하량을 측정하였다. 이는 상용 AnyLogic^[25] 엔진을 바탕으로 개발된 것이다. Petri-nets 기반 방법은 병렬적으로 발생하는 과업을 모델링 하는 데 효과적이다. Petri-nets기반의 모델링과 시뮬레이션을 지원하는 엔진으로는 CPN Tool이 있다^[26]. Kim et al은 다수 로봇의 협조제어에 대한 연구를 수행하였다^[27].

2.2. 기존 연구와 본 연구의 차별성 및 기여

본 논문에서는 제시한 운용자 역량 평가방법은 첫 번 째, 앞에서 고찰한 인간정보처리이론에 상황인식모델을 반영하여 운용자 과업분석방안을 제시함으로써 군사특 성이 반영되도록 하였고, 두 번째, 인간자원이론에서 운 용자 역량 평가척도는 VACP를 기반으로 하였다. 이는 다른 평가척도에 비해 운용자 작업부하를 더 세밀하게 반영하고 있기 때문이다. 통제이론과 관련해서는 연구 목적을 고려하여 감시 및 목표수준에서 발생하는 감시 제어에 초점을 두었다. 한편, 운용자 과업 M&S에서는 Petri-nets기반의 모델링 및 시뮬레이션을 기반으로 하였 다. Petri-nets은 운용자 과업에서 발생하는 병렬특성을 유연하게 잘 반영할 수 있기 때문이다. 본 연구에서 제시 된 운용자 역량 평가방법은 이러한 기존 이론에서 군사 특성을 반영하여 고안되었으며 특히, 문제정의로부터 결과분석에 이르기까지 그 절차를 상세히 정립하고 실 험적 적용 예를 보임으로써 미래 군사로봇의 운용성 연 구에 기여할 것으로 사료된다. 세부적인 방법과 그 예시 는 다음 장에서 설명한다. F4-F5

Fig. 4

Steps for operator capacity assessment

Fig. 5

Operator capability, UI, and autonomy

3. 운용자 역량 분석 및 평가 절차

운용자 역량 분석 및 평가는 문제 정의로부터 시작된 다. 근본적인 질의는 운용자의 수와 작업부하의 적절성 이다. 이는 Fig. 4에서 보는 바와 같이 6단계(문제정의, 가정, 목표기능 식별, 운용자 과업분석, 과업 모델링 및 시뮬레이션, 결과분석 및 평가)를 통해서 그 적절성을 평가하는 것이다. 각 세부 단계에 대한 설명은 다음과 같다.

∙. 단계4(운용자 과업분석)

운용자 과업분석에서는 최상위 임무 프로파일로부터 단계3에서 식별된 목표기능을 시작으로 하향식으로 분 해하여 운용자가 직접 수행하는 과업을 분석해 내는 것 이다. 이를 위해서 운용 시나리오를 참고하여 임무 프로 파일(Mission profile)로부터 Fig. 6과 같이 목표기능 (Goal Function)-하부기능(Sub-Function)-과업(Task)으 로 분해하여 하향식 계층구조를 작성한다.

Fig. 6

Operator task hierarchy

여기서, 목표기능은 편의상 하부기능으로 계층화된다. 하부기능은 최종적으로 과업으로 세분화 된다. 기능이 운용자가 수행해야 할 역할들의 모임이라고 하면, 과업 은 운용자가 수행해야 하는 기본 단위이다. 그리고 각 과업 단위별로 과업의 발생 시점과 종점, 과업 수행 시 간, 과업 발생 조건, 과업 수행을 위해서 필요한 자원이 정의된다. 자원은 인간자원을 의미한다. 예를 들면, 시각 (Visual), 청각(Auditory), 지각(Cognitive), 동작(Psycho Motor)이다. 이를 줄여서 VACP라고 한다.

4. 실험적 적용 결과

4.2. 가정

∙. 운용 시나리오

운용자는 임무수행을 위한 경로를 포함한 임무를 계 획하여(이는 제3단계인 목표기능 식별에서 목표기능1 “임무계획”이 됨), 감시정찰 임무를 통제한다(이는 목표 기능2 “임무통제”가 됨).

임무 수행간에 돌발 사태, 예를 들면 장애물 출현, 위 협 출몰 등이 발생하면, 운용자는 대응조치를 취한다(이 는 목표기능3 “돌발상황 조치”가 됨). 필요 시에는 경로 계획을 재조정할 수 있다. 한편, 차량주행은 자동으로 하되 돌발 사태가 발생하거나 임무 수행간에 정밀한 감 시가 요구되는 경우에는 수동으로 제어한다(이는 목표 기능4 “차량주행제어”가 됨).

∙. 자동화 수준

로봇의 자동화 수준은 Parasurman^[7]의 자동화 수준의 8단계 수준 중에서 5단계(감시제어 반자동화 수준)로 운 용된다. 자동화 수준 5단계는 임무통제의 경우는 계획대 로 하되 돌발상황이 발생하거나 차량주행제어 상황이 요구되는 경우에는 로봇이 관심요구를 운용자에게 요청 하고 운용자가 이에 응답하는 방식이다.

∙. 사용자 인터페이스

차량형 로봇의 감시제어는 UI를 통해 이루어진다. UI 는 정보제공 패널과 제어패널로 구분된다. 정보제공 패 널에서는 로봇으로부터 전송된 정보가 전시된다. 그러 면 운용자는 이를 바탕으로 상황인식 및 평가를 통하여 행동방책을 결정하며, 제어패널의 버턴 혹은 아이콘을 선택함으로써 로봇에게 명령한다. Fig. 7은 UI의 패널구 분과 그 이름을 정의한 것이고, Fig. 8은 해당 패널의 UI 형상을 나타낸다. UI 형상은 Choi^[28]와 Lee^[29]의 논문을 근거로 본 연구 목적에 부합되게 일부 가상적으로 재 조정 된 것이다. 이들에 대해서 간략히 설명하면 다음과 같다.

Fig. 7

UI component definition

Fig. 8

Vehicle robot UI

Fig. 7에서 ①, ②, ③, ④, ⑤는 제어패널이고, ⑥, ⑦, ⑧, ⑨는 정보제공 패널이다. ①은 차량로봇의 팀 구성을 위한 패널이다. ②는 차량로봇 팀의 임무할당을 위한 패널이다. 여기서는 감시제어 임무이다. ③은 차량 로봇의 주행경로를 계획하기 위한 패널이다. ④는 차량 로봇의 임무수행간에 임무를 재 조정할 때 사용하는 패 널이다. ⑤는 임무수행간에 운용자가 차량로봇의 제어 권을 넘겨 받아서 수동으로 제어하기 위한 햅틱조종 패 널이다. 나머지는 정보제공 패널로써, ⑥은 전장을 포함 한 차량로봇 운용상황의 실시간 정보를 전시하는 패널 이다. ⑦은 차량로봇팀의 임무상태, 예를 들면 주행, 멈 춤, 임무수행 등을 전시하는 패널이다. ⑧은 차량로봇 시스템의 상태, 예를 들면, 남은 연료량, 가용한 탄의 수, 자가 고장진단 상태 등을 전시하는 패널이다. 그리고 ⑨ 는 운용자 통제기 상태를 표시하는 패널이다.

4.3. 목표기능 식별 및 운용자 과업 분석

운용 시나리오로부터 식별된 목표기능은 4.2의 운용 시나리오에서 표시한 바와 같이 4개 즉, 목표기능1-임무 계획(mission plan, MP), 목표기능2-임무통제(control mission, CP), 목표기능3-돌발상황 조치(control emergency situation, CES), 목표기능4-차량주행제어(control vehicle drive, CVD)이다. 그리고 각 목표기능을 분해하여 구성 된 하부기능은 Table 1에서 보는 바와 같이 15개이다. Table 1에서 두 번째 행의 첫 번째 열에 있는 GF1: mission plan(MP)는 목표기능 1을 의미하고, 그 이름은 mission plan이며 약어로는 MP로 사용한다는 의미이다. 한편, 두 번째 열에 있는 GF1-F1: monitor tactical situation은 목표기능1의 하부기능1을 의미하고, 그 이름 은 monitor tactical situation이라는 의미이다. 다른 것도 마찬가지로 같은 설명 형식을 따르고 있다.

Table 1

List of goal functions and sub-functions

그리고 Table 1의 하부기능에서 더 분해된 운용자의 단위 과업은 총 60개로 확인되었다. Table 2는 이 중에서 목표기능4-차량주행제어(GF4: control vehicle drive)의 하부기능(GF4-F1: select vehicle of interest, GF4-F2: execute manual drive)의 단위 과업목록을 보여주고 있다. Table 2에서 GF4-F1은 앞서 설명한 바와 같이 목표기능4 의 하부기능1의 식별코드이고, GF-F1-T1은 GF4-F1의 단 위 과업 1이라는 의미이다. 다른 것도 마찬가지이다. Table 2에서 괄호의 약어는 Fig. 7의 UI 요소를 나타낸다.

Table 2

Task list of GF4-F1, GF4-F2

4.4. 과업 모델링 및 시뮬레이션

과업 모델링은 4.3에서 식별한 과업들을 바탕으로 Petri-nets로 모델링 하는 것이다. 모델링 방법은 Fig. 9에 도식화 되어있다. 이를 상세히 설명하면 다음과 같다.

Fig. 9

CPN modeling method

Fig. 9는 Fig. 6에서 설명한 운용자 과업 계층구조와 CPN 모델의 계층구조를 상호 매칭한 그림이다. 여기서 보다시피, 운용자 과업 계층구조의 목표기능-하부기능- 과업은 각각 CPN Tool^[26]에서 지원하는 CPN 계층구조 모델 즉, 페이지(Page), 서브페이지(Sub-Page), 그리고 Petri-nets 요소와 상호 매칭할 수 있기 때문에, 운용자 과업을 CPN 계층구조로 1:1로 전환하여 모델링 하였다.

Fig. 10은 운용자 과업을 CPN 계층구조 모델로 전환 하여 모델링을 수행한 결과를 보여주고 있다. Fig. 10에 는 4개의 계층으로 구분되어 있는데, 각각의 계층은 Table 1의 각 목표기능을 CPN모델 페이지로 모델링 한 것이다. 가장 위의 페이지 GF1 Page는 목표기능1-임무 계획(GF1: mission plan, MP)을 모델링 한 것이다. 두 번째는 목표기능2-임무통제(GF2: mission control, MC) 에 대한 모델링이고, 세 번째와 네 번째는 각각 목표기능 3-돌발상황조치(GF3: control emergency situation, CES) 와 목표기능4-차량주행제어(GF4: control vehicle drive, CVD)를 모델링 한 것이다.

Fig. 10

Petri-nets for the operator tasks

Fig. 10의 가장 위의 페이지 GF1 Page 내에 4개의 서 브 페이지는 목표기능1-임무계획(GF1: mission plan, MP)의 서브 기능 즉, GF1-F1: monitor tactical situation, GF1-F2: monitor team status, GF1-F2: monitor team status, 그리고 GF1-F4: replan auto-pilot를 나타낸다. 이는 Table 1의 것이다. Fig. 10의 해당 그림에서 별도 2개의 트랜지션이 더 있는 데, 이는 운용자의 의사결정 트랜지 션을 나타낸다. 첫 번째 의사결정 트랜지션(MP Decision1) 은 GF1-F2(monitor team status)에 이어서 수행되며, 2가 지의 선택 경우가 있다. 계속 모니터링 하는 경우 혹은 임무모드를 재설정 하는 경우이다. 이는 확률적으로 이 루어진다. 두 번째 의사결정 트랜지션(MP Decision2)도 마찬가지로 2가지 선택의 경우인데 기존 경로의 계획대 로 하는 경우와 경로를 변경하는 경우이다.

Fig. 10의 두 번째, 세 번째, 그리고 네 번째 페이지 즉, GF2 Page, GF2 Page, 그리고 GF3 Page도 GF1의 것과 유사하게 이해할 수 있다.

한편, Fig. 10의 CPN 계층구조 모델의 각 페이지는 좌 상단의 AttentionReq 트랜지션과 모두 연결되어 있음 을 알 수 있다. 이는 운용자 목표기능의 모의가 여기로부 터 시작된다는 의미이다. 즉, UI의 정보패널에서 제공되 는 정보를 바탕으로 운용자의 상황인식과 판단으로 목 표기능(GF1, GF2, GF3 혹은 GF4)이 결정되고 수행이 시작되는 것이다. 이는 몬테칼로 방식으로 모델링되어 있다. 목표기능 발생시간과 발생했을 때 어떤 목표기능 에 해당되는 것인가는 확률적이다.

또한, Fig. 10의 두 번째 페이지 GF2 Page의 맨 우측에 있는 IssueCmd 트랜지션이 있는데 이는 목표기능 수행 결과로 차량로봇에게 전달되는 명령을 나타낸다. 각 목 표기능의 수행결과는 차량로봇을 제어하기 위한 명령이 기 때문이다.

한편, 각 목표기능 페이지의 서브페이지는 해당 서브 페이지 별로 상세하게 Petri-nets 모델링이 되는데, 예를 들면, Fig. 11은 목표기능4 페이지의 두 번째 서브페이지 (GF4-F1: select vehicle of interest)의 상세 Petri-nets을 보여준다. 여기서는 Table 2에서 설명한 과업 GF4-F1-T1, GF4-F1-T2, GF4-F1-T3 과업의 해당 Petri-nets이다. 그 리고 각 플레이스는 각 관련 과업을 수행하기 위해서 요구되는 인간자원요소인 VACP 수준을 나타낸다. 참고 로 VACP 수준을 나타내는 데에는 편의상 10단위를 사 용하였다. 예를 들어서 시각(Visual) 자원이 0.7이라고 하면 모델링 상에는 7로 표현되었다는 의미이다. 이는 CPNTool에서 정수만 다루어지기 있기 때문이다. 그러 나 결과 해석은 10을 나누어서 한다.

Fig. 11

CPN modeling of GF4-F1

4.5. 결과분석 및 평가

∙. 입력 데이터

시뮬레이션을 위한 입력 데이터는 4.4에서 모델링된 운용자 과업모델의 각 과업에 대한 데이터로써 과업수 행에 요구되는 운용자의 인간자원 데이터(VACP, Visual, Auditory, Cognitive, Psychomotor), 그리고 각 과업의 수 행시간이 있다. Table 3은 각 목표기능별 관련 과업에 대한 입력 데이터들이다. 예를 들어서 Table 3의 세 번째 행의 “T1:check DOI(MDU)”를 보면, 이는 목표기능 GF1-F1 수행과 관련된 과업으로써 Fig. 7의 정보전시 패널 ⑥ 즉, 다중전시유니트(MDU, Multi Display Unit) 에 있는 관심전시기(DOI, Display of Interest)를 체크하 는 과업을 의미한다. 그리고 이 과업을 수행하는 데에는 시각(Visual)부하수준은 7.0, 지각(Cognitive)부하 수준 은 3.7이 소요되고,과업수행 시간은 일양분포(1,2)를 따 른다는 의미이다. 시간단위는 초 단위이다. 다른 과업들 도 마찬가지이다.

Table 3

Input date set for CPN simulation

∙. 결과 분석 및 평가

결과분석을 위해서 먼저, 로봇팀의 감시정찰 임무시 간을 30분으로 설정하여 시뮬레이션을 수행하였다. 목 표기능 이벤트 발생은 임무 수행간에 각 로봇으로부터 비롯되는데, 연구 목적상 통합적으로 4개의 목표기능 이 벤트는 각각 상호독립적으로 발생하고 발생확률은 Table 4와 같이 가정하였다. 한편, 목표기능 이벤트의 발생시간은 지수분포로 가정하고 평균을 각각 10, 20, 30단위시간(초 단위)으로 구분하여 3가지의 경우(경우1 에서 경우3까지)로 나누어 실험을 하였다. 또한 각 경우 마다 운용자를 1명부터 4명까지 증가시키면서 각 목표 기능 이벤트의 처리시간과 미처리 이벤트의 수, 그리고 작업부하를 측정하였다.

Table 4

Probability of the goal function events

Fig. 12와 Fig. 13은 경우1의 실험결과이고, Fig. 14와 Fig. 15는 경우2의 실험결과이다. 그리고 Fig. 16과 Fig. 17 은 경우3의 결과이다.

Fig. 12

Throughput time for Case1

Fig. 13

Missing number of the goal function events for Case1

Fig. 14

Throughput time for Case 2

Fig. 15

Missing number of the goal function events for Case 2

Fig. 16

Throughput time for Case 3

Fig. 17

Missing number of the goal function events for Case 3

목표기능 이벤트의 처리시간과 관련해서 Fig. 12, Fig. 14, Fig. 16을 보면 운용자 수와 관계없이 각 목표기능 처리시간 별로 거의 비슷함을 알 수 있다. 이는 운용자 수와 관계없이 단위 목표기능 수행시간은 거의 동일하 다는 의미이다.

미처리 이벤트는 원격 차량로봇으로부터 관심요청이 있었지만 이에 응하지 못한 경우인데, 이는 목표기능 이 벤트의 발생 시간분포에 따라 많은 차이가 남을 알 수 있다. 경우1(목표기능 이벤트 발생시간이 평균 10인 지 수분포)에는 운용자가 4명 정도되어야 완벽하게 처리가 가능함을 알 수 있고, 경우2와 경우3(목표기능 이벤트 발생시간이 각각 평균 20, 30인 지수분포)에는 운용자가 2명 정도면 충분히 처리할 수 있음을 보여주고 있다. 이 러한 결과는 운용 통제센터의 운용자 수를 결정하는 데 에 참고될 수 있다.

한편, 오퍼레이터의 인지자원도 각 경우마다 많은 차 이를 보였다. 예를 들어서 Fig. 18은 경우1에서 운용자가 3명인 경우에 각 목표기능 이벤트 처리시에 요구된 VACP수준을 나타낸다. 여기서 볼 때 Psychomotor가 큰 차이를 보이고 있는데, 특히 CVD(차량 주행제어) 경우 에 다른 것에 비해 큰 것을 알 수 있다. 그러나 전반적인 수준으로 볼 때 모두 한계 부하수준인 7보다 훨씬 작기 때문에 3명으로 운용했을 때, 운용자의 작업부하는 크지 않음을 알 수 있다. 그런데 7보다 큰 경우라면 작업부하 가 크기 때문에 임무수행의 비효율성을 초래할 수 있다 는 의미가 된다.

Fig. 18

Average VACP required to perform goal functions

5. 결 론

본 고에서는 군사 로봇이 감시제어 형태로 운용될 때, 운용자 역량을 분석할 수 있는 방법을 제안하였다. 제안 된 방법은 운용자 관점에서 수행해야 하는 목표기능을 하향식으로 분해하여 운용자 단위과업을 식별하고 이를 Petri-nets기반의 모델링 및 시뮬레이션으로 운용자 역량 을 분석하는 것이다. 그러나 본 연구를 수행함에 있어서 다음과 같은 제한사항이 있었다. 첫 번째, 과업수행에 요구되는 VACP를 얻는 데에 어려움이 있었다. 이는 응 답자의 경험을 바탕으로 얻어지며, 응답자의 경험이 다 르기 때문에 객관성을 얻기가 쉽지 않다. 또한 운용자의 숙련도와 생체학적 특성에 따라 다를 수 있는 것이다. 그래서 이러한 특성 들을 반영한 객관화된 방법이 필요 하였다. 또한 실제 실험값과 비교분석을 통해서 제안된 방법에 대한 검증이 이루어져야 하나 실험환경의 제한 으로 수행되지 못하였다. 향후에 이들에 대한 연구가 추 가적으로 수행될 것이며, 그 결과 들은 미래 무인차량 연구개발에서 운용자 통제소 설계나 운용자 수를 결정 하는 데에 유용하게 활용될 수 있기를 기대한다.

Acknowledgments

This project was supported by a research program(The Specialized Research Center for Future Ground System Analysis) funded by the Agency of Defense Development of Korea and we appreciate it.

References

• Gorman, RO, Abbott, C, Remote control war, (2013).
• Chen, JY, Barnes, MJ, Harper-Sciarini, M, “Supervisory control of multiple robots: Human performance issues and user-interface design”, Systems Man and Cybernetics Part C: Applications and Reviews IEEE Transactions on, (2011), 41(4), p435-454. [https://doi.org/10.1109/TSMCC.2010.2056682]
• Jordan, BM , , “Human-Robot Interaction Literature Review”, DRDC No. CR-2012-083, (2012), Department of National Defense, Canada.
• Oslen, D R Jr, “Stephen Bart Wood. Fan-out: Measuring Human Control of Multiple Robots”, CHI 2004, (2004), April, Vienna, Austria, p24-29.
• Michael, B, Florian, J, “Human-Robot Interactions in Future Military Operations”, (2010), MPG Books Group, UK.
• Hendy, KC, Farrell, PS, “Implementing a Model of Human Information Processing in a Task Network Simulation Environment”, (1997), Canadian Department of National Defense, Defense and Civil Institute of Environmental Medicine, North York, Ontario, Canada M3M 3B9, Technical Report DCIEM No.97-R-71 .
• Parasurman, R , , “A model for types and levels of human interaction with automation”, IEEE Transactions on Systems Man and Cybernetics-Part A: Systems and Humans, (2000), p286-297. [https://doi.org/10.1109/3468.844354]
• Endsley, MR, “Toward a Theory of Situation Awareness in Dynamic System”, Human Factors, (1995), 37(1), p32-64. [https://doi.org/10.1518/001872095779049543]
• Henk, AP , , “On the Integration of Human Performance and Collision Risk Simulation Models of Runway Operation”, NLR, Amsterdam.
• Patricia, W , , “A Platoon-Level Model of Communication Flow and the Effects on Operator Performance”, ARLMR-0656, (2006).
• Tina, M , , “Predicting Performance and Situation Awareness of Robot Operators in Complex Situations by Unit Task Tests”, ACHI 2012: The Fifth International Conference on Advances in Computer-Human Interactions, (2012).
• Cummings, ML, Mitchell, PJ, “Predicting controller capacity in supervisory control of multiple UAVs”, Systems, Man and Cybernetics, Part A: Systems and Humans, IEEE Transactions on, (2008), 38(2), p451-460. [https://doi.org/10.1109/TSMCA.2007.914757]
• Breslow, LA , , “Dynamic Operator Overload: A Model for Predicting Workload During Supervisory Control”, Human-Machine Systems IEEE Transactions on, (2014), 44(1), p30-40. [https://doi.org/10.1109/TSMC.2013.2293317]
• Wickens, , “Engineering Psychology and Human Performance”, (2013), Pearson Education, Inc, New York, p3-6.
• McCrasken, JH, Aldrich, TB, “Analysis of selected LHX mission functions: Implications for operator workloadand system automation goals”, Technical Note ASI479-024-84, (1984), Fort Rucker, AL, Army Research Institute Aviation Research and Development Activity.
• Keller, J, “Human Performance Modeling For Discrete- Event Simulation: Workload”, In Proceedings of the 2002 Winter Simulation Conference, (2002). [https://doi.org/10.1109/wsc.2002.1172879]
• Hart, SG, “Development of NASA-TLX (Task Load ndex): Results of Empirical and Theoretical Research”, Moffett Field. California, NASA-Ames Research Center.
• Hollnagel, E, Woods, D, “Joint Cognitive Systems”, (2005), CRC Press, p149-155. [https://doi.org/10.1201/9781420038194.ch6]
• Carson, II JS, “Introduction to Modeling and Simulation”, In Proceedings of the 2004 Winter Simulation Conference, (2004). [https://doi.org/10.1109/wsc.2004.1371297]
• Borshchev, A, “The Big Book Simulation Modeling”, (2013), Anylogic North America, p60-63.
• Kurt, Jensen, Coloured Petri Nets, (2009), Springer.
• Brett, BE , , “The Combat Automation Requirements Testbed Task1 Final Report: Implementation Concepts and an Example”, Interim Report Human Effectiveness Directorate Crew System Interface Division 2255 H Street Wright-Patterson AFB, OH 45433-7022, (2000).
• Catherine, DB, “Advanced Uses for MICRO SAINT Simulation Software”, Proceedings of the 1997 Winter Simulation Conference, (1997).
• Choi, S-Y, “Application of Agent-Based Multi-Method Simulation Approach to the Simulation Testbed Prototype for the Concept Exploration and Requirement Analysis of UGV”, Proceedings 29th European Conference on Modeling and Simulation, (2016).
• AnyLogic Inc, ‘AnyLogic Home’, Available:http://www.anylogic.com/agent-based-modeling [Accessed: December 1, 2016], (2016).
• Eindhoven University of Technology, 'CPN Tools Home', Available: http://cpntools.org/gettingstarted/start [Accessed: December 1, 2016], (2016). [https://doi.org/10.7746/jkros.2015.10.3.139]
• Jeong, H-I, Hong, N-M, Woo, C-J, Lee, J-M, “Cooperative Control of Mobile Robot for Carrying Object”, Journal of Korea Robotics Society, (2015), 10(3), p139-145.
• Choi, D-K, Lee, C-W, Lee, C-j, “A Graphical User Interface Design for Surveillance and Security Robot”, Journal of Korea Robotics Society, (2015), 10(1), p024-032.
• Lee, H-J, Park, W-I, Kim, D-J, “Unit Mission Based Mission Planning and Automatic Mission Management for Robots”, Journal of the KIMST, (2014), 17(1), p1-7. [https://doi.org/10.9766/kimst.2014.17.1.001]