본 논문은 무인 항공기(UAV)와 미사일 기술의 발전으로 인해 중요 지역 방어를 위한 공격자와 방어자 간의 경계 방어 게임이 복잡해짐에 따라, 기존 연구의 한계를 극복하고자 3차원 환경에서 대규모 이종 경계 방어 게임을 연구합니다. 실제 환경의 섭동, 운동 역학, 이질성을 고려하여 공격자와 방어자의 내쉬 균형 전략을 도출하고 승리 영역을 특징짓고 광범위한 시뮬레이션을 통해 이론적 결과를 검증합니다. 방어 전략의 대규모 이종 제어 문제를 해결하기 위해, 임베디드 평균장 행위자-비평가(EMFAC) 프레임워크를 제안합니다. EMFAC는 평균장 방식으로 고수준 행동 집계를 가능하게 하는 표현 학습을 활용하여 방어자 간의 확장 가능한 조정을 지원합니다. 또한 보상 표현을 기반으로 하는 경량 에이전트 수준의 주의 메커니즘을 도입하여 관찰과 평균장 정보를 선택적으로 필터링하여 의사결정 효율성을 높이고 대규모 작업에서 수렴 속도를 높입니다. 다양한 규모에 걸친 광범위한 시뮬레이션을 통해 EMFAC의 효과와 적응성을 보여주고, 소규모 실제 실험에서 EMFAC를 테스트하고 상세한 분석을 수행하여 복잡한 시나리오에서 프레임워크의 효과에 대한 심층적인 통찰력을 제공합니다.
