RESA(Rapid Scenario Generation) 도구 소개
1. 개요 및 배경
현대 군사 작전의 복잡성이 증가함에 따라, 미국 국방부(Department of Defense, DoD)는 훈련 및 작전 분석을 위한 시나리오 생성 시간을 획기적으로 단축해야 하는 과제에 직면해 있다. 전통적인 시나리오 개발 방식은 수개월의 시간과 전문 인력의 집중적인 노력을 필요로 했으나, 급변하는 안보 환경에서 이러한 접근법은 더 이상 효율적이지 않다. 이에 따라 미국 국방부는 신속 시나리오 생성(Rapid Scenario Generation, RSG) 도구 개발에 적극적으로 투자하고 있다.
신속 시나리오 생성 도구는 군사 모델링 및 시뮬레이션(Modeling and Simulation, M&S) 분야에서 시나리오 구축 시간을 수개월에서 수일 또는 수시간으로 단축하는 것을 목표로 한다. 이러한 도구들은 인공지능(AI), 머신러닝(ML), 자연어처리(NLP) 등 최신 기술을 활용하여 시나리오 개발 프로세스를 자동화하고 효율화한다.
미국 국방부의 2025 회계연도 과학기술(S&T) 예산에서 신뢰할 수 있는 AI와 자율성 분야에 약 49억 달러가 배정되었으며, 이 중 상당 부분이 시뮬레이션 및 시나리오 생성 자동화에 투자되고 있다. DARPA(Defense Advanced Research Projects Agency)의 SAFE-SiM 프로그램에만 4,930만 달러가 투자되어 실시간보다 빠른(faster-than-real-time) 시뮬레이션 및 신속 시나리오 구축 기능 개발이 진행 중이다.
2. 역사적 발전 과정
미국 국방 M&S에서 시나리오 생성 기술의 발전은 수십 년에 걸친 점진적인 진화 과정을 거쳤다. 초기에는 수작업으로 시나리오를 구성해야 했으나, 점차 자동화 도구가 도입되고 최근에는 AI 기반 접근법이 등장하고 있다.
2.1 시대별 발전 단계
| 시기 | 주요 시스템 | 시나리오 생성 방식 | 소요 시간 |
|---|---|---|---|
| 1980년대 | Janus | 완전 수동 입력, 텍스트 기반 데이터 | 3-6개월 |
| 1990년대 | WARSIM, JTLS | GUI 기반 입력, 데이터베이스 활용 | 1-3개월 |
| 2000년대 | OneSAF, AFSIM | 모듈화된 구성요소, 재사용 가능한 템플릿 | 2-6주 |
| 2010년대 | JLVC Federation, VBS4 | 통합 개발환경, 스크립팅 언어 | 1-2주 |
| 2020년대 | GenWar, SAFE-SiM, STE | AI 기반 자동 생성, 자연어 명령 | 수시간-수일 |
1980년대 미국 육군이 도입한 Janus 시스템은 최초의 대규모 컴퓨터 기반 전투 시뮬레이션 중 하나로, 1989년 저스트 코즈 작전(Operation Just Cause)과 1991년 사막의 폭풍 작전(Operation Desert Storm)의 작전 계획 수립에 활용되었다. 그러나 당시에는 시나리오 구성에 전문 프로그래머의 개입이 필수적이었고, 단일 시나리오 구축에 수개월이 소요되었다.
2000년대 들어 One Semi-Automated Forces(OneSAF)와 Advanced Framework for Simulation, Integration, and Modeling(AFSIM)이 등장하면서 모듈화와 재사용성이 크게 향상되었다. OneSAF는 개별 전투원부터 여단 수준까지의 시뮬레이션을 지원하며, 구성 가능한(composable) 아키텍처를 통해 사용자가 필요에 따라 시나리오를 빠르게 조합할 수 있게 되었다.
2017년 미 육군은 합성훈련환경(Synthetic Training Environment, STE) 개발을 시작했다. STE는 가상현실(VR)과 증강현실(AR)을 통합하여 지상, 해상, 공중, 우주, 사이버 등 다영역에 걸친 몰입형 훈련 시나리오를 제공한다. STE의 핵심 목표 중 하나는 작전 환경의 신속한 생성 및 배포 능력이다.
3. 주요 신속 시나리오 생성 도구
3.1 AFSIM Wizard
AFSIM(Advanced Framework for Simulation, Integration, and Modeling)은 미국 국방부가 소유하고 공개적으로 배포하는 오픈소스 군사 시뮬레이션 프레임워크이다. AFSIM의 핵심 시나리오 생성 도구인 Wizard는 신속한 시나리오 정의 및 구성을 위한 통합개발환경(IDE)을 제공한다.
Wizard는 JavaScript 유사 스크립팅 언어를 활용하여 다영역, 다층적 충실도(multi-fidelity) 시나리오를 신속하게 구성할 수 있게 해준다. 이를 통해 사용자는 외부 모델을 유연하게 통합하고 첨단 기술을 사실적으로 표현할 수 있다. DCS Corporation이 개발을 지원하며, Warlock이라는 대화형 분석 도구와 함께 배포된다.
3.2 SWAT (Space Wargaming Analysis Tool)
SWAT는 미 육군 우주미사일방어사령부(SMDC)가 운용하는 신속 배치 가능한 시나리오 생성 및 실행 도구이다. 이 정부 상용 소프트웨어(GOTS)는 우주 영역이 포함된 워게임 환경에서 단일 또는 다중 플랫폼의 고수준 분석을 지원한다. SWAT의 주요 특징은 다음과 같다:
- 신속한 시나리오 생성(Quick Scenario Generation) 기능
- 실시간 적대 행위 효과 분석
- 우주 기반 자산의 워게임 환경 시각화
- 모든 국방부 조직에서 활용 가능한 접근성
3.3 GenWar
GenWar는 AI 기반 시나리오 생성의 최전선에 있는 도구로, 대규모 언어 모델(LLM)을 활용하여 인간 시나리오 구축자를 대체한다. 정책 결정자나 지휘관이 자연어(평문)로 원하는 시뮬레이션 내용을 설명하면, LLM이 이를 시뮬레이션이 이해할 수 있는 입력으로 변환한다. 기존에 수개월이 걸리던 시나리오 개발이 수분 내에 완료될 수 있다.
3.4 SAFE-SiM
DARPA의 Secure Advanced Framework for Simulation and Modeling(SAFE-SiM) 프로그램은 2024년 11월 Radiance Technologies에 4,930만 달러 계약을 체결했다. SAFE-SiM의 핵심 목표는 다음과 같다:
- 실시간보다 빠른(faster-than-real-time) 시뮬레이션 실행
- 신속한 시나리오 구축을 위한 직관적 사용자 인터페이스
- 고급 시각화 기능
- 작전 개념(CONOPS) 개발을 위한 분석 도구
3.5 STE (Synthetic Training Environment)
미 육군의 합성훈련환경(STE)은 작전 환경의 신속한 생성 및 배포를 핵심 기능으로 포함한다. STE는 Training Simulation Software(TSS), Training Management Tool(TMT), One World Terrain(OWT), Next Generation Combat(NGC) 등으로 구성된다. One World Terrain은 실제 지형 데이터를 가져와 사용자를 세계 어디로든 가상으로 이동시킬 수 있다.
4. 주요 도구 비교 분석
각 신속 시나리오 생성 도구는 고유한 강점과 적용 영역을 가지고 있다. 아래 표는 주요 도구들의 특성을 비교 분석한 것이다.
| 도구명 | 개발/운영 기관 | 주요 기능 | 시나리오 생성 시간 | 적용 영역 |
|---|---|---|---|---|
| AFSIM Wizard | 공군/DCS Corporation | IDE 기반 다영역 시나리오 구성 | 수일-수주 | 작전분석, 획득, R&D |
| SWAT | 육군 SMDC | 우주 영역 워게임 시나리오 | 수시간-수일 | 우주작전, 워게임 |
| GenWar | Johns Hopkins APL | 자연어 기반 AI 시나리오 생성 | 수분-수시간 | 전략기획, COA 분석 |
| SAFE-SiM | DARPA/Radiance Technologies | 실시간 이상 고속 시뮬레이션 | 수분-수시간 | CONOPS 개발 |
| STE TSS/TMT | 육군 미래사령부 | 통합 훈련 시나리오 관리 | 수시간-수일 | 집체훈련 |
| VBS4 | BISim (상용) | 비용 효율적 가상 훈련 | 수시간 | 전술훈련 |
| JTLS-GO | 합참 J7/Rolands & Associates | 합동작전급 시뮬레이션 | 4-8주 (신규) | 작전급 훈련/분석 |
4.1 기술적 접근 방식 비교
| 접근 방식 | 대표 도구 | 장점 | 단점 | 적합한 용도 |
|---|---|---|---|---|
| 스크립팅 기반 | AFSIM, OneSAF | 유연성, 정밀 제어, 재사용성 | 학습 곡선, 전문성 요구 | 복잡한 분석 시나리오 |
| 템플릿 기반 | JTLS, VBS4 | 빠른 시작, 표준화 | 유연성 제한 | 정형화된 훈련 |
| GUI 위저드 | AFSIM Wizard, TMT | 사용 편의성, 시각적 확인 | 고급 기능 제한 | 비전문가 사용 |
| 자연어 AI | GenWar, COA-GPT | 접근성, 속도 | 정확도 검증 필요 | 초기 개념 탐색 |
| 하이브리드 | STE, SAFE-SiM | 균형잡힌 기능 | 복잡한 아키텍처 | 다목적 활용 |
5. AI/ML 기반 시나리오 생성 기술
5.1 DARPA의 AI 워게임 프로그램
DARPA는 AI를 활용한 워게임 및 시나리오 생성 분야에서 다양한 혁신적 프로그램을 추진하고 있다.
Gamebreaker 프로그램: 2020년 5월 시작된 Gamebreaker는 AI를 기존 오픈월드 비디오 게임에 적용하여 게임 균형을 정량적으로 평가하고, 가장 불안정화시키는 새로운 능력, 전술, 규칙 수정을 탐색한다. 이 접근법은 향후 고급 국방 워게임 시나리오에 적용될 수 있다. Northrop Grumman은 Cold War 및 현재 분쟁을 모델링하는 초현실적 전구급 전투 시뮬레이터인 Command: Modern Operations에서 AI를 구축하고 있다.
COMBAT 프로그램: Constructive Machine Learning Adversary for Battle Test(COMBAT)는 워게임에서 블루포스에 대항하는 레드포스로 활동할 AI 심판 팀을 구축한다. 이를 통해 인간 역할자의 부담을 줄이고 더 일관된 적대 행동을 제공할 수 있다.
Battle Planning AI (SBIR): DARPA는 연합 행동방안(Course of Action, COA) 기획 및 가속화된 COA 판정을 위한 혁신적 기술을 개발 중이다. 물리 기반 축소차수모델(Reduced Order Models, ROMs)을 활용하여 실시간보다 5차수(10만 배) 빠른 COA 평가를 목표로 한다.
5.2 COA-GPT
육군연구소(Army Research Laboratory, ARL) 협력협정 하에 개발된 COA-GPT는 대규모 언어 모델을 활용하여 군사 작전의 전략 기획 단계를 강화한다. COA-GPT의 핵심 기능은 다음과 같다:
- 진화하는 전장 조건에 대응한 신속한 COA 개발 및 수정
- 자연어 명령을 시뮬레이션 입력으로 자동 변환
- 게임 및 시뮬레이션 기술과의 통합을 통한 COA 평가
- 민첩성과 적응성의 구현
5.3 AI의 시나리오 생성 적용 영역
AI는 시나리오 생성의 두 가지 주요 측면을 개선한다:
- 콘텐츠 생성: ChatGPT, Stable Diffusion과 같은 생성 AI 모델은 시나리오에 맞춤화된 콘텐츠를 신속하게 생성할 수 있다. AI 생성 콘텐츠는 인간이 만든 결과물과 유사하게 워게임 시나리오를 심화하고 보완할 수 있다.
- 시나리오 실행 자동화: 인간 통제가 필요 없는 시나리오 내 엔티티들은 AI가 자율적으로 관리할 수 있어, 훈련의 효율성을 유지하면서 실제 전투 환경의 복잡성을 더 잘 반영하는 풍부한 변화를 도입할 수 있다.
6. 운영 조직 및 예산
6.1 주요 운영 조직
미국 국방부의 시나리오 생성 도구 개발 및 운영은 다양한 조직에서 분산 수행되고 있다:
- OUSD(R&E) 내 DMSCO: Defense Modeling and Simulation Coordination Office는 국방 M&S 활동의 개발, 조정, 기술 지침 및 표준화를 담당한다. 디지털 엔지니어링, 모델링 및 시뮬레이션(DEM&S) 그룹 내에 통합되어 있다.
- 합참 J7: Joint Staff Directorate for Joint Force Development는 JTLS 프로그램을 관리하며, 구성관리위원회(CCB)를 통해 소프트웨어 개발 및 향상 프로세스를 통제한다.
- 육군 미래사령부 STE CFT: 올랜도에 위치한 STE Cross Functional Team은 9개 교차기능팀 중 하나로, 전문 분석, 집중 실험, 기술 시연을 통해 요구사항을 정의하고 비용 효과적인 물자 해결책을 제공한다.
- PEO STRI: Program Executive Office for Simulation, Training and Instrumentation은 OneSAF, JLCCTC 등 육군의 주요 훈련 시뮬레이션 프로그램을 관리한다.
6.2 예산 현황
2025 회계연도 국방부 과학기술 예산은 172억 달러로, 신뢰할 수 있는 AI 및 자율성에 49억 달러, 우주에 43억 달러, 통합 센싱 및 사이버에 19억 달러가 배정되었다. 이 세 분야가 전체 S&T 예산의 약 65%를 차지한다.
CDAO(Chief Digital and Artificial Intelligence Office)는 2025 회계연도에 1억 3,990만 달러를 배정받아 AI 및 머신러닝의 군사 작전 전반 가속화를 추진한다. 공군 C3 프로그램은 7,100만 달러로 클라우드 기반 호스팅, 데이터 과학, 데이터 엔지니어링, 머신러닝, AI 및 프로세스 자동화에 투자한다.
7. 기술 표준 및 상호운용성
7.1 주요 표준
신속 시나리오 생성 도구들은 상호운용성을 위해 다양한 국방 M&S 표준을 준수해야 한다:
- IEEE 1516 HLA (High Level Architecture): 분산 시뮬레이션의 상호운용성을 위한 핵심 표준으로, Federation Object Model(FOM)을 통해 페더레이트 간 데이터 교환 형식을 지정한다.
- DIS (Distributed Interactive Simulation): IEEE 1278 표준으로, 실시간 분산 시뮬레이션을 위한 프로토콜을 정의한다.
- MIL-STD-3022: 모델 및 시뮬레이션의 검증, 확인 및 인정(VV&A) 문서화를 위한 국방 표준이다.
- DoD Instruction 5000.61: M&S VV&A에 관한 국방부 지침이다.
7.2 JLVC 페더레이션 통합
Joint Live Virtual Constructive(JLVC) 페더레이션은 40개 이상의 서로 다른 애플리케이션을 관리하여 합동 작전 및 다영역 훈련을 지원하는 통합 군사 훈련 시나리오를 제공한다. JLVC 페더레이션 통합 가이드는 페더레이트 개발자와 페더레이션 통합자의 관점에서 주요 아키텍처와 인터페이스를 소개한다.
JLVC의 HLA-DIS 게이트웨이는 페더레이션이 HLA 사양을 사용하여 운영될 수 있게 해준다. 이를 통해 라이브, 가상, 구성적 훈련 환경의 원활한 통합이 가능하며, 복잡한 다군 및 국제 연합 훈련을 상호운용 가능한 시뮬레이션 시스템으로 지원할 수 있다.
8. 향후 전망 및 발전 방향
8.1 STE 개발 로드맵
국립시뮬레이션센터(National Simulation Center)는 STE를 2023년부터 2031년까지 4개의 주요 인크리먼트로 개발할 계획이다:
- 1차 인크리먼트: 클라우드 기반 아키텍처 및 데이터베이스 개발, 부분 몰입형
- 2차 인크리먼트: 완전 몰입형, 사용자 인터페이스 대폭 개선
- 3차 인크리먼트: AI/ML 통합 강화, 다영역 훈련 확대
- 4차 인크리먼트: 전 규모 운용 능력 달성
8.2 공군 WarEngine 개념
공군은 사용하기 쉬운 플랫폼 인터페이스를 제공하는 "WarEngine" 개념을 검토하고 있다. 이 솔루션은 디지털 워게임을 위한 통합 허브로 기능하는 모듈식, 클라우드 기반, 다영역 애플리케이션이어야 한다. AFSIM, NGTS, JICM 등 기존 서비스 승인 도구와 통합되거나 유사하게 기능해야 하며, 전쟁 기획자가 행동방안을 신속하게 생성, 평가, 정제할 수 있도록 AI 기능을 포함해야 한다.
8.3 자동화 및 AI의 확대
미래의 시나리오 생성 도구는 자동화된 시스템에 의해 부분적으로 통제되는 대립군(OPFOR)을 포함할 것으로 예상된다. 육군의 재구성 가능 가상 집체훈련기(RVCT)도 향후 AI와 자동화 도구를 통합하여 운용자의 부담을 줄일 계획이다.
9. 한국에의 시사점
미국의 신속 시나리오 생성 도구 발전은 한국 국방 M&S 발전에 다음과 같은 시사점을 제공한다:
9.1 기술적 시사점
- AI 통합 가속화: 한국군도 AI 기반 시나리오 생성 도구 개발에 투자하여 훈련 시나리오 구축 시간을 단축해야 한다. 특히 한국어 자연어 처리 기반의 시나리오 생성 인터페이스 개발이 필요하다.
- 클라우드 기반 아키텍처: STE와 같은 클라우드 기반 통합 훈련 환경 구축을 검토해야 한다. 이를 통해 지리적으로 분산된 부대들의 통합 훈련이 가능해진다.
- 모듈화 및 재사용성: AFSIM, OneSAF와 같이 구성 가능한(composable) 아키텍처를 채택하여 시나리오 구성요소의 재사용성을 높여야 한다.
9.2 운용적 시사점
- 한미 연합훈련 상호운용성: JLVC 페더레이션과의 상호운용성을 확보하여 한미 연합훈련의 효율성을 높여야 한다. HLA, DIS 등 국제 표준 준수가 필수적이다.
- 다영역 작전 훈련: 지상, 해상, 공중뿐만 아니라 우주, 사이버 영역을 포함한 다영역 시나리오 생성 능력을 개발해야 한다.
9.3 정책적 시사점
- M&S 전용 예산 확보: 미국의 사례처럼 M&S에 대한 지속적이고 안정적인 예산 투자가 필요하다.
- 산학연 협력 강화: DARPA의 SAFE-SiM, Johns Hopkins APL의 GenWar와 같이 민간 기술력을 적극 활용하는 협력 체계 구축이 필요하다.
- 표준화 추진: 국방 M&S 표준화를 통해 시스템 간 상호운용성을 확보하고 중복 투자를 방지해야 한다.
10. 결론
신속 시나리오 생성(RSG) 도구는 미국 국방 M&S의 핵심 발전 방향 중 하나로, AI/ML, 클라우드 컴퓨팅, 자연어 처리 등 최신 기술의 융합을 통해 빠르게 진화하고 있다. AFSIM Wizard, SWAT, GenWar, SAFE-SiM, STE 등 다양한 도구들이 개발되어 시나리오 생성 시간을 수개월에서 수시간으로 단축하고 있다.
특히 주목할 점은 AI 기반 접근법의 급속한 발전이다. GenWar, COA-GPT와 같은 도구들은 자연어 명령만으로 시뮬레이션 시나리오를 생성할 수 있게 함으로써, 비전문가도 복잡한 군사 시나리오를 구성할 수 있는 가능성을 열고 있다. DARPA는 Gamebreaker, COMBAT 등의 프로그램을 통해 AI의 워게임 적용을 더욱 확대하고 있다.
미국 국방부는 2025 회계연도에 과학기술 분야에 172억 달러를 투자하며, 이 중 상당 부분이 AI/자율성 및 관련 시뮬레이션 기술에 배정되고 있다. STE는 2031년까지 4개 인크리먼트를 통해 완전한 다영역 통합 훈련 환경을 구축할 계획이다.
한국 국방부와 방위사업청은 이러한 미국의 발전 동향을 면밀히 관찰하고, AI 기반 시나리오 생성 도구 개발, 클라우드 기반 훈련 아키텍처 구축, 한미 상호운용성 확보 등에 적극 투자해야 할 것이다. 특히 한국어 자연어 처리 기반의 시나리오 생성 인터페이스 개발은 국방 M&S의 접근성을 높이고 훈련 효율성을 크게 향상시킬 수 있는 분야이다.
참고 자료
- U.S. Department of Defense. (2018). DoD Directive 5000.59: DoD Modeling and Simulation (M&S) Management. https://www.esd.whs.mil/Portals/54/Documents/DD/issuances/dodd/500059p.pdf
- RAND Corporation. (2024). A Modernized Enterprise Army Modeling and Simulation Infrastructure, RRA3261-1. https://www.rand.org/content/dam/rand/pubs/research_reports/RRA3200/RRA3261-1/RAND_RRA3261-1.pdf
- Office of the Under Secretary of Defense for Research and Engineering. (2022). Advancing Gaming, Exercising, Modeling and Simulation (GEMS) Capabilities. https://ac.cto.mil/wp-content/uploads/2022/12/Advancing-Gaming-Exercising-Modeling-and-Simulation-GEMS-Capabilities.pdf
- U.S. Army Space and Missile Defense Command. (2024). SWAT (Space Wargaming Analysis Tool) Fact Sheet. https://www.smdc.army.mil/Portals/38/Documents/Publications/Fact_Sheets/SWAT.pdf
- Defense Technical Information Center. (2010). Joint Live Virtual and Constructive (JLVC) Federation Integration Guide, Version 3.1. https://apps.dtic.mil/sti/pdfs/ADA521311.pdf
- MITRE Corporation. (2006). OneSAF: A Product Line Approach to Simulation Development. https://www.mitre.org/sites/default/files/pdf/wittman_one_saf.pdf
- Joint Chiefs of Staff. (2020). CJCSI 3500.01J: Joint Training Policy for the Armed Forces of the United States. https://www.jcs.mil/Portals/36/Documents/Doctrine/training/cjcsi3500_01j.pdf
- Lockheed Martin. (2025). Redefining Modeling and Simulation for the Military. https://www.lockheedmartin.com/en-us/news/features/2025/redefining-modeling-and-simulation-for-the-military.html
- DARPA. (2020). Gamebreaker Program. https://www.darpa.mil/program/gamebreaker
- Chen, Y., et al. (2024). COA-GPT: Generative Pre-trained Transformers for Accelerated Course of Action Development in Military Operations. arXiv:2402.01786. https://arxiv.org/html/2402.01786v1
댓글
댓글 쓰기