1. 서 론
1.1 연구 배경 및 목적
최근 군(軍)에서 교육훈련의 중요성이 주요 이슈로 대 두되고 있다. 이러한 배경에는 러시아-우크라이나전쟁 [10]과 이스라엘-하마스 전쟁 등 국제 정세의 긴장 고조 에 따라 국방력 강화의 필요성이 증대되고 있기 때문이다. 한편, 군(軍)의 핵심 인력인 초급 및 중견간부들의 지속적 인 이탈은 군(軍)의 교육훈련체계에 심각한 영향을 미치고 있으며, 이에 대한 대책 마련이 군(軍)과 정부의 주요 현안 으로 부상하고 있다. 특히, 훈련장 여건 악화와 소음 문제 등으로 인해 야외기동훈련의 시행이 점차 제한되고 있으 며, 신세대 장병들과 초급간부들은 기존의 구시대적 훈련 방식과 효과성에 대해 회의적인 인식이 확산되고 있다.
이에 따라 본 연구는 군(軍)의 과학화 교육훈련체계의 현 실태를 객관적으로 분석하고, 이를 바탕으로 실효성있 는 대책방안을 제시함으로써 미래 지향적인 과학화교육훈 련 혁신을 실현하고자 한다.
1.2 연구 범위 및 방법
본 연구는 육군이 현재 운용중인 13개 병과학교의 과학 화훈련체계(시뮬레이터)를 분석 대상으로 설정하였다. 연 구방법은 현장확인 및 의견수렴과 선행연구 분석을 기반 으로 한 질적 연구방법에 기반하였다. 논문은 총 여섯 개 의 장으로 구성되어 있으며, 각 장의 구성은 다음과 같다. 제2장에서는 이론적 논의와 분석의 틀을 제시하고, 제3장 에서는 육군 병과학교의 현 실태 분석과 군(軍) 데이터 문 제점을 진단한다. 제4장은 연구결과로 미래 과학화훈련체 계와 데이터 통합방안, 유․무인복합전투체계와 연계방안 을 종합적으로 살펴본다. 제5장은 연구결과를 토대로 새 로운 과학화훈련체계 모델을 정립하고, 제6장에서는 연구 성과 및 시사점과 향후 연구방향을 제시한다.
2. 이론적 논의 및 분석의 틀
민간분야에서는 학교교육을 포함하여 연구가 지속되어 왔지만, 군(軍)에서는 교육훈련에 대한 실질적 연구가 거 의 전무한 실정이다.반면, 미국과 유럽 등 선진국은 다양 한 교육훈련 이론을 발전시키며 앞서가고 있다.
미국에서 제시된 Digital Engineering모델[11]은 훈련장 비의 설계․생산․운용․훈련․모든 과정을 통합된 디지 털 환경에서 설계하고 분석하는 미래지향적인 개념이다. 특히 병과간 협동작전을 위해서는 ‘디지털 통합 프레임워 크’가 필수라는 점을 강조한다. 하지만, 우리 군(軍)은 육 군 13개 병과학교에서 46종의 시뮬레이터를 운용 중이지 만 상호 연동이 불가능한 상태로, Digital Engineering 개념 의 도입이 시급하다.
또한 NATO에서 제시된 MSRA(Modeling & Simulation Reference Architecture)모델[2]은 NATO 회원국 간 군사 훈련, 전투실험,사후분석 결과를 실시간으로 공유 가능하 도록 발전시킨 모델이다. 이로 인해 NATO 국가들은 연합 및 합동작전을 실시간으로 수행할 수 있다. 반면, 우리 군 (軍)은 이러한 모델을 적용하지 못해 타군(他軍) 간 합동성 구현이 제한되고 있다.
TLA(Total Learning Architecture)이론[1]은 미국 DoD(Department of Defense) ADL(Advanced Distributed Learning Initiative)에서 제시한 교육훈련용 데이터 통합이 론이다. 모든 학습과 훈련데이터를 xAPI(experience API) 와 LRS(Learning Record Store) 기반으로 기록,분석, 활용 하는 이론이다. 우리 군(軍)은 아직 TLA를 적용하지 않아 훈련 데이터의 저장․활용․분석이 미흡한 상황이다.
지금까지 제시된 세 가지 이론을 기준으로 우리 군(軍) 현 실태를 분석한 결과, ‘협동성과 합동성을 고려하지 않 은 점’과 ‘통일된 데이터 저장방식을 도입하지 않은 점’ 등이 핵심문제로 도출되었다. 이러한 분석을 토대로 이 연 구의 분석 틀을 구성하였다. 본 연구의 분석 틀을 구성하 는 변수와 산출물은 <Figure 1>에 제시하였다. 이후 교육 훈련혁신을 달성하기 위한 3가지의 발전방안을 제시하며, 이를 뒷받침하는 가정을 통해 논거를 정리하였다. 최종적 으로는 새로운 미래 과학화교육훈련체계 모델을 정립하여 군(軍) 교육훈련의 실질적인 혁신을 가져오고자 한다.
3. 현 실태 진단
3.1 과학화훈련체계(시뮬레이터) 진단
육군 교육사에서는 현재 13개의 병과학교와 과학화전 투교육단(KCTC단)을 운영 중이며, 총 46종의 VR/ MR기 반 과학화훈련체계를 운용하고 있다. 그러나 현재까지는 각 병과의 단독훈련만 가능한 구조이며, 시스템 및 데이터 연동문제로 인해 병과간 협동훈련이 어려운 실정이다. 이 에 따라 향후 협동, 합동훈련 및 연합훈련 중심의 체계로 발전하기 위해서는 현재의 과학화훈련체계에 대한 정밀진 단이 필요하다.
이에따라 2023년도에 육군 교육사는 포항공과대학교 와 협업하여 「육군 과학화교육훈련체계 발전을 위한 핵심 기술 연구 및 현 체계 진단[6]」 관련, 협업연구를 수행하였 다. 연구 목표는 13개 병과학교의 시뮬레이터훈련체계의 진단 및 분석과 미래 과학화훈련체계 개발 반영사항을 도 출하는 것이었다. 연구방법은 군(軍)최초로 외부 전문용 역기관의 부대방문 및 조사를 실시하였고, 군 전문가 인터 뷰방식을 통해 실질적인 결과를 도출하였다.
연구 결과, 문제점은 기술적 문제와 구조적 문제로 구분 되었다. 기술적 문제는 각 병과학교별로 단독 훈련만 가능 하도록 설계되어 있으며, 훈련체계를 만든 사업체별로 S/W와 데이터 저장방식 등이 상이하여 상호 연동이 제한 된다는 것을 확인하였다. 구조적인 문제는 13개 병과학교 전체의 과학화훈련체계를 종합적으로 관리하는 ‘컨트롤 타워’ 조직이 부재하였다. 또한, AI와 데이터융합을 적용 하는 선진국의 사례와 비교할때, 군(軍)은 이를 벤치마킹 하여 통합체계를 구축할 필요성이 있음이 확인되었다. 결 론적으로, 협동및합동훈련 구현을 위한 새로운 훈련체계 개발과 데이터 융합을 위한 표준안 적용의 필요성이 구체 적으로 도출되었다.
3.2 군(軍) 데이터 활용성 진단
최근 군(軍)에서는 데이터 활용 문제가 중대한 이슈로 떠오르고 있다. 군에서 활용하고 있는 병과학교 시뮬레이 션, 기동훈련, 지휘소 훈련에서 생성되는 다양한 훈련 데 이터를 분석 및 활용한다면, 의미있는 결과를 도출해낼 수 있을 것으로 분석되었다.
이에 육군 교육사령부는 육군 분석평가단 및 산․학․ 연과 협업체계를 구축하여 KCTC(Korea Combat Train Center)훈련체계에 저장된 음성,영상,실험 데이터를 분석 할 수 있도록 기회를 제공하였다[4]. 이때 KCTC체계를 선 정한 이유는 다음과 같다. 실 전장과 가장 유사한 환경에 서 연간 10회의 실 연대급병력이 전개하여 북한군과 동일 한 구조와 장비를 운용하고 있는 대항군연대와 1주일간 실전적인 훈련을 하기 때문이다. 또한 정형․비정형데이 터가 모두 저장되고 있으므로, 군(軍)에서 가장 실전과 유 사한 데이터를 융합 및 분석할 수 있을 것으로 판단하였기 때문이다.
하지만 데이터의 수집 및 분석 결과, 실제로 의미있는 활용은 어려운 상태였다. 그 이유는 훈련 시작 전에 ‘데이 터 수집의 목적,중점 항목,방법’ 이 구체적으로 설계되지 않았기 때문이다. 이로 인해, 시간대별 탄약소모량과 부상 자 수 등의 1차원적 데이터만 존재하며, 전술적 판단 및 작전운용과 연계된 고차원적 데이터는 전혀 획득할 수 없 었다. 이는 군(軍)의 데이터 저장․활용방식의 과학적 설 계가 미흡함을 보여준다. 즉, 훈련 전부터 체계적으로 디 자인되지 않은 데이터 수집은 무용지물이 될 수 있음을 제시한 사례로써, 군(軍)에서 시급하게 개선되어야 할 분 야라고 분석되었다.
지금까지 실태 분석을 바탕으로, 4장에서는 3가지 핵심 발전방안(협동성, 데이터, 무기체계 연동성)에 대하여 각 각 가정을 제시하고, 구체적인 논거와 적용방안을 설명하 고자 한다.
4. 미래 과학화훈련과 데이터 융합체계 구축
4.1 메타버스형 협동훈련체계( STE )
4.1.1 가정과 이론적 근거
협동훈련의 중요성에 대한 가정은 다음과 같다. “교육 훈련체계의 협동성이 향상되면 교육훈련의 실효성과 혁신 에 기여할 것이다.” 이를 뒷받침하는 이론은 Digital Engineering 이론과 NATO의 MSRA이며, 구체적인 실증 사례는 미국과 한국, 유럽에서 지속 발전시키고 있는 STE 체계이다.
4.1.2 STE(합성훈련환경) 개념과 배경
육군의 지상작전수행의 기반이 되는 것은 협동훈련을 바탕으로 한 제대별 임무형지휘, 주도권장악․유지․확대, 전쟁법준수 등이다. 최근 러시아 우크라이나 전쟁에서도 드론, 로봇 등을 활용한 협동작전의 중요성이 강조되고 있 다. 하지만, 군(軍)은 소음, 안전, 법적문제 등으로 실제 협 동훈련이 제한되고 있다. 또한, 육군의 경우, 13개 병과학 교별 단독으로 운용되는 시뮬레이터체계를 연동하고자 하 였으나 시스템 소프트웨어와 데이터 저장방식 등이 상이하 여 연동이 불가능하였다. 이에 대한 해결책으로 제시된 것 이 STE체계[9]이며, 메타버스기반의 대대급 협동훈련체계 로써, 병과학교 간 통합․연동훈련을 위해 최신 소프트웨 어와 데이터 운용방식에 대한 새로운 표준안을 제시하여 통합형 시뮬레이터로 만든 혁신적인 훈련체계이다.
4.1.3 STE(합성훈련환경) 구성요소
STE는 <Figure 2>와 같이 훈련체계와 정보체계로 구성 되어있다. 훈련체계는 병과간 통합된 시뮬레이터를 운용 하는 것인데, 특히 STE특성을 고려하여 육군의 전(全) 병 과를 대상으로 통합된 시뮬레이터를 이용해 훈련할 수 있 게 된다. 예를 들어, 기갑부대 장교지만 헬기, 포병, 공병 등 전(全) 병과에 대하여 실제 무기체계와 동일한 시뮬레 이터를 운용하면서 병과간 협동운용능력을 극대화하게 되 는 것이다.
정보체계는 기존 병과 학교별 운용되던 단독체계의 단 점을 극복하기 위하여, 클라우드개념을 적용하여 병과별 모든 시뮬레이터의 소프트웨어 표준화를 통해 동일한 작 전지역화면에서 동일한 운용엔진으로 훈련 후, 데이터분 석 및 활용까지 동일한 플랫폼을 사용하여 AAR(사후검 토)까지 실시가 가능하도록 표준화 및 통일화하였다.
이러한 훈련체계와 정보체계를 실제 군단에 배치하는 형태는 3층 규모의 대규모로 운용되는 것이 최적 안으로 판단되고 있다. 대략 300명의 대대급 제대가 동시에 훈련 하는 협동훈련체계로, 1층은 보병, 2층은 전차, 헬기, 포병, 드론 등 병과별 STE용 시뮬레이터 수십 대와 일부 PC를 운용하고, 정보체계는 3층에 통합 배치하여 전체 통제실 과 대대급 지휘소로 활용하는 구조이다. 특히, 부대별 취 약요소로 판단된 부분을 집중적으로 반복 훈련할 수 있으 며, 기상과 상관없이 24시간 전천후 협동훈련과 사후검토 및 데이터활용이 가능하다.
4.1.4 STE 추진경과
이러한 체계는 완전히 새로운 개념을 적용한 과학기술 이 적용되므로 단계별로 개발가능성을 구체적으로 검증 하며 발전시킬 필요가 있다. 따라서 먼저 1단계(2023년∼ 2025년)는 중대급부터 개발가능성을 확인하기 위해 과학 기술정보통신부와 산․학․연을 연계하여 추진중에 있 다. 2단계(2025년∼2027년)는 중대급 개발가능성이 검증 되면, 대대급으로 개발규모를 확대하는 것이다. 대대급 300명으로 보병, 포병, 기갑, 헬기, 방공, 드론 등 전(全) 병과의 시뮬레이터를 동시에 운용하는 것이다. 3단계 (2027년 이후)는 2단계의 효과와 타당성을 육군 시험평가 단 등의 권위 있는 기관으로 정밀하게 검증 후, 전 군단으 로 확대 적용하는 것이다. 이후, 국방부 차원에서 해군과 공군까지 동일한 체계로 적용하여 기존의 단독훈련체계 에서 병과간 협동훈련과 공군,해군,해병대까지의 합동훈 련까지 표준화된 미래과학화훈련체계로 발전시키는 것 이다.
4.1.5 STE 기대효과
STE효과를 알아보면, 기존 훈련체계 대비 데이터 연동 및 분석, 확장성 측면에서 탁월하다. <Table 1>은 기존 훈 련과 STE의 비교를 직관적으로 보여주는데, 기존 훈련은 병과단일 시뮬레이터 훈련만 가능했기 때문이다. 반면, STE훈련시 전차와 헬기부대, 방공부대 등 훈련에 참가하 는 전(全) 병과의 협동훈련이 가능하다. 또한, 기존에는 다양한 종류의 시뮬레이터별 S/W를 운용하였으나 STE는 단일 S/W로 표준화를 통해 저비용 예산으로 실질적인 운 용이 가능하다. 즉, STE훈련을 통해 시간과 장소에 제한 을 받지않고 표준화된 미래형 S/W체계속에서 다양한 전 투병과와 실시간 협동훈련을 할 수 있고 분석형의 사후검 토가 가능해진다.
지금까지 기존 훈련체계와는 혁신적으로 새로운 개념 의 메타버스형태의 대대급 협동훈련체계를 알아보았다. 그러나 더욱 중요한 사항은 데이터의 통합이므로 다음은 훈련 데이터를 어떻게 통합할 것인가에 대한 데이터 융합 체계발전에 대해 제시하고자 한다.
4.2 데이터 융합체계
4.2.1 가정과 이론적 근거
데이터 융합의 중요성에 대한 가정은 다음과 같다. “데 이터의 표준화와 융합은 교육훈련의 질적수준향상과 AI 기반 교육훈련혁신을 촉진할 것이다.” 이를 뒷받침하는 이 론은 미국 DoD의 TLA와 ADL initiative의 eXperience API 구조와 LRS개념을 적용한 이론이며, 구체적인 실증적인 산물이 미 육군과 한국 육군에서 발전시킨 DTMS체계[8] 이다.
4.2.2 DTMS(국방교육훈련관리체계) 개념과 배경
현 국방운영목표인 AI기반 과학기술 강군을 육성하기 위한 가장 중요한 사항 중의 하나는 데이터 구축 및 효율 적인 분석이다. 국방혁신위원회에서 2024. 2월 육군 교육 사를 방문하여 훈련결과의 체계적인 데이터 및 자료 보관 의 필요성과 AI기반 지휘결심지원체계로의 연구개발 필 요성을 강조하였다.
이에 대해 육군 교육사령부에서는 과학화전투훈련단을 포함하여 육군전체의 과학화훈련체계에 대한 진단을 분석 해본 결과, <Figure 3>과 같이 현재까지 군에서 사용 중인 수많은 훈련체계의 데이터는 체계 간 통합 및 연동없이 개별관리가 되고 있었고, 연동도 기술적으로 제한된다는 점이 확인되었다. 이러한 결과로 데이터활용이 기반이 되 는 AI기반 지휘결심지원체계의 연구는 제한되는 것으로 확인되었다.
이에 데이터의 표준화와 연동을 위하여 국방부차원에 서 STE체계와 연동된 교육훈련관리체계(DTMS)사업이 제시되었다. DTMS를 적용하게 되면, 국방부차원에서 교 육훈련분야의 전체 데이터의 통합 및 융합을 할 수 있게 되고, 데이터 서버도 육군․해군․공군․해병대가 각각 관리하는 것이 아니라 국방부차원에서 대전과 용인에 있 는 국방 데이터 통합관리센터에서 통합 관리를 하도록 발 전되는 것이다.
4.2.3 DTMS 데이터 저장방식 표준화
현재까지 시뮬레이터 체계의 데이터 저장방식은 표준 화가 되지 않은 관계로 과거 데이터 통합 분석이 제한되어 의미없는 데이터였으나, 미래를 고려할 때 모든 데이터체 계는 AI와 연계되어 통합적인 맞춤형분석이 되어야 한다. 이에 2024년부터 산․학․연 연구 결과, <Figure 4>와 같 이 데이터를 세계적인 표준 저장형식인 문장형식의 입력 방식(xAPI + LRS )으로 데이터를 저장 및 관리토록 하는 것을 최적안으로 판단하게 되었다.
이러한 xAPI (eXperience API) 형식은 데이터입력시, 주어+동사+목적어+추가요소(환경, 결과, 시간)로 구 성되어 입력이 되어야 하는데, 데이터 종합 및 분석시 과 거의 경험치까지 모두 분석이 가능하며, 개인별 피드백 (feedback)까지 가능하다. 이러한 xAPI문장을 저장하고 관 리하는 시스템이 학습 기록 저장소(LRS)이다.
이 방식에 대한 검증은 STE체계의 데이터를 DTMS로 연동하는 방안에 대해서 안양대학교와 연구용역[7]을 통 해서 STE와 DTMS체계 개발시 자동연동이 될 수 있음을 검증을 완료하였다. STE와 DTMS사업은 군(軍) 최초로 표 준화된 데이터 저장방식을 적용한 사업이다. 이는 향후 데 이터 연동 기반 AI 지휘체계 개발의 출발점이 될 수 있다.
4.2.4 DTMS 체계도 구축(안)
교육훈련분야의 빅데이터․AI발전을 위한 통합관리체 계 구축안은 군(軍)에서 최초 적용하는 것으로 <Figure 5> 와 같이 3가지 중점을 가지고 구축하였는데, 훈련수준 가 시화, 훈련 상황관리, 데이터 연동․통합 분석 가능화에 두었다.
첫째, 훈련수준 가시화는 평가결과가 개인별,제대별,병 과별로 가시화가 되도록 하였는데, 예를 들어 사단장의 경 우 사단 전체 중대급 이상 부대에 대하여 개인별,제대별, 병과별로 훈련수준을 실시간 확인 할 수 있게 된다.
두 번째, 훈련상황관리는 실시간으로 야전 全부대와 연 동하여 계획․실시․결과 등을 확인할 수 있다. 세 번째, 데이터 연동 및 통합은 기존 운용되던 탄약관리체계나 훈 련장관리체계 등과 같은 시스템과도 연동 및 통합적인 분 석을 가능하게 한다.
이러한 체계도 구축은 분기단위, 전방 군단장과 사단 장을 비롯한 장군급 지휘관과 교육훈련 실무관계관의 의 견수렴을 통해서 체계구축의 구체적인 사항이 지속 발전 되고 있다.
4.2.5 DTMS 추진경과
육군은 2020년부터 교육훈련관리분야에 대하여 훈련수 준을 어떻게 가시화하고 평가할 것인가에 대한 연구를 진 행하여 왔었다. 최초 부대행정관리시스템(Administration System)으로 시작되었고 ‘객관적 훈련숙달도’ 라는 연 구로 육군 지휘부에게 보고되었다. 이러한 노력의 결과 로 2023년도에 ‘훈련수준평가체계 (Training Assessment System)’로 변화되어 제7기동군단을 우선 적용하였으며, 2024년도에는 육군 전(全)부대를 대상으로 적용하게 되었 다. 훈련수준평가체계는 중대급부터 사단급부대까지 全 제대의 훈련수준 가시화와 행정간소화가 장점이다. 즉, 중 대급에서 반기 1회 입력할 때, 자동으로 사단급까지 종합 이 되며 교육훈련관련 문서를 보관 및 작성할 필요가 없다 는 것이다.
2025년도에 훈련수준평가체계의 야전부대 적용결과, 사단별 서버를 국방부에서 통합하여 국방데이터센터에 보 관하는 것이 필요하다는 것이 지속해서 제기되었다. 이에 관련자료와 외국군 사례를 참조하여 국방부차원에서 훈련 수준평가체계를 발전시킨 국방교육훈련관리체계(DTMS) 사업을 적용하게 되었다. 이것은 향후 육군을 시작점으로 해군․공군․해병대까지 적용할 계획을 가지고 있다.
4.2.6 DTMS 기대효과
DTMS는 군(軍)에서 데이터를 실질적으로 구축하고 운 용 및 분석하는 첫 번째 사례가 된다. 이것을 적용시, 우선 적으로 전 육군을 대상으로 교육훈련수준의 실시간 가시 화가 가능하며, 이를 통해 통합적인 평가와 운영이 최적화 될 수 있으며, 주요 지휘부에게 정책적인 조언과 건의를 할 수 있게 된다. 또한 개인별․제대별 훈련 데이터의 축 적으로 군에서 운용중인 마일즈훈련을 포함한 모든 훈련 데이터를 통합적으로 운용 및 분석할 수 있게 된다. 이러 한 데이터 축적은 향후 AI기반 교육훈련체계발전의 기반 을 마련하는 계기가 될 수 있으며, 공군․해군․해병대까 지 전군으로 확대운용이 가능하여 실질적인 군(軍)을 과학 화 기술강군으로 만드는 첨병역할을 할 수 있다.
4.3. ‘미래 유․무인복합전투체계’와의 연동방안
4.3.1 가정과 이론적 근거
최근 러시아-우크라이나전쟁에서 훈련체계와 무기체계 의 연동 필요성이 지속 제시되고 있는데, 이에 대한 연구 는 지금까지 거의 없었다. 이를 발전시키기 위해 훈련체계 와 무기체계의 연동에 대한 세운 가정은 다음과 같다. “실 전과 유사한 유․무인 복합전투체계훈련은 실전 적응력과 생존성을 높이고, 교육훈련의 혁신을 가져올 수 있다.” 이 를 뒷받침하는 이론은 전이학습(Transfer Learning)[12]으 로, 한 분야에서 학습한 지식을 다른 분야에 적용하는 머 신러닝기법이다. 이에 대한 실증은 영국Defence AI Centre에서 전이학습기반 무인자산 AI운용을 실험 중인 사항과 한국에서 특허로 등록된 것을 사례로 제시한다.
4.3.2 ‘유․무인복합전투체계’ 개념과 배경
미래전장은 AI기반 유무인 복합전투체계와 무인화가 될 것이다. 교육훈련의 근본적인 명제는 ‘싸우는 대로 훈 련하고 훈련한 대로 싸우는 것이다’ 이며, 이러한 명제에 근거하여 미래 전투양상은 유․무인복합체계와 무인체계 의 운용이 주 전투체계가 될 것이므로 이를 훈련체계와 어떻게 연계하는 것은 미래를 대비하는 중요한 사항이 될 수 있다. 최근 전쟁중인 러시아와 우크라이나전쟁에서 4 족 로봇과 인간이 전투하는 상황이 실제로 발생하였다. 우 크라이나에서 선발대 개념으로 4족로봇을 운용하여 매복 작전을 하고 있는 러시아 인간매복팀과 전투를 벌였으며, 우크라이나는 선발대인 4족 로봇에 이어서 후발대로 인간 전투팀을 전개시켜 전투의 효율성과 인명피해를 최소화하 면서 전투에서 승리하는 상황이 발생하였던 것이다. 이후 에도 지속적으로 지뢰제거와 부상자 후송과 적의 전차를 파괴하는 데 있어서 실시간 드론을 운용한 전투를 수행하 는 등 유․무인복합전투체계와 무인체계가 전장에서 실 질적인 게임체인저가 되고 있는 것이다. 이를 위해 러시아 와 우크라이나 모두 실제 훈련을 시키는 방법을 연구하고 있으며 이를 전장에서 어떻게 구현할 것인가에 대하여 민 간 전문인력을 통합하는 방안까지 총체적으로 연구를 하 고 있는 상황이다.
4.3.3 ‘훈련체계와 무인체계’의 연동방안 및 효과
미래의 전장을 대비하기 위하여 각 국은 유․무인복 합체계와 로봇체계의 대전략을 수립하고 특정국가는 벌써 관련 데이터를 수집하고 있는 것으로 확인되었다. 미국에 서는 2035년까지 무인전력과 유인전력의 비율을 1:9로 선 정하여 발전중이고, STE체계를 통하여 데이터를 수집하 는 전략을 이미 수립하였다. 이를 위해 4족로봇과 인간이 동시에 전투훈련장에서 데이터를 수집하는 훈련을 하고 있다. 영국에서도 2035년까지 무인전력과 유인전력의 비 율을 2:8로 선정하고, 병과학교 교육체계를 전면 수정을 진행 중이다.
대한민국 군(軍)도 이러한 미래 전장추세에 대비하여 드론과 로봇전략에 대하여 많은 논의가 진행되고 있다 [5]. 이러한 배경에서 미래 과학화훈련체계를 무기체계와 연동하는 전략이 필요함을 인지하고, 육군 교육사에서는 미래 과학화훈련체계와 유․무인복합체계와의 연동 연구 를 하게 되었다. 그 결과 국내․외 선행연구 검증을 포함 하여 한국식 훈련체계를 통한 유․무인복합체계와의 연 동성 방안을 발전시키게 되었고, 육군본부 분석평가단의 기술평가를 통해 특허[3]를 획득하였다. 즉, 과학화훈련체 계인 STE가 무선으로 연동되어 무기체계인 로봇을 운용 하는 중심축이 되는 것으로서, 과학발전속도에 발맞추어 1:1 또는 1:N개념으로 다수의 로봇을 동시에 운용하는 방 법으로 운용하는 것이다.
이때 실시간 운용 데이터는 DTMS를 통해서 축적되고 보완되어서 작전을 수행하는 횟수가 많아질수록 운용되는 로봇체계도 더욱 발전하게 되는 개념이다. 또한 동시에 메 타버스상에서 전투 아바타를 운용한 데이터 통합개념을 적용하여 다른 부대에서 운용하는 전투데이터가 지속적으 로 메타버스의 전투 아바타를 통해서 축적되는 것이다. 이 를 통해 실시간 전투에 투입되는 유․무인 복합전투체계 의 전투효율성의 극대화가 가능하고, 작전수행간 인명손 상 피해는 거의 제로화 할 수 있으며, 전장에서의 파괴력 과 효과성은 배가될 것으로 전망하고 있다.
이러한 훈련체계, DTMS, 유․무인 복합전투체계 그리 고 메타버스체계를 통합연동하는 복합형태의 발전은 24시 간 데이터가 축적되고 통합되는 효과를 가져오게 되어, 전 투현장에서의 유․무인복합전투체계의 비약적인 발전을 가져오게 된다.
5. 「CJDSW-MST 모델」 정립
지금까지 연구를 토대로, 미래 과학화훈련체계의 발전 모델을 제시하고자 한다. 현재 육군, 해군,공군,해병대에 서는 매년 다양한 과학화훈련체계를 도입하고 성능을 개 선하며, 유지보수 및 신규 체계 개발을 지속하고 있다. 그 러나 이러한 활동이 명확한 전략과 기준없이 진행되고 있 어, 체계적인 방향성과 지침의 정립이 절실한 실정이다.
CJDSW-MST모델이 강조하는 핵심은 다음과 같다. 첫 째, 미래 훈련체계를 개발할 때는 협동작전과 합동작전이 가능토록 설계되어야 하며, 이를 위해 데이터와 소프트웨 어의 표준화를 통해 모든 데이터가 연동 및 통합을 할 수 있어야 한다. 둘째, 유․무인 복합전투훈련체계는 실제 전시상황에서 그대로 운용될 수 있도록 설계되어야 하며, 시뮬레이터의 스위치 구성, 시스템 인터페이스, 무기체계 구현은 실전 환경과 동일한 수준을 유지해야 한다. 셋째, 이러한 모든 훈련요소는 ‘메타버스 기반 클라우드 서버상 에 구현된 디지털 TWIN(전투 아바타체계)’과 실시간으로 연동되어야 하며, 이를 통해 전투효과의 극대화가 가능해 진다는 점이다.
결국, CJDSW-MST 모델을 중심개념으로 미래 훈련체 계를 설계하고 지속적으로 성능을 최신화해나갈 경우, 현 존전력의 극대화는 물론 실전적이고 지속가능한 미래전력 창출까지 가능하게 될 것이다.
6. 연구성과 및 시사점
연구성과는 세 가지로 제시할 수 있다. 첫 번째는 국방 부차원에서 과학화훈련체계를 발전시킬 때, 단일군(軍) 또는 병과 중심 훈련체계에서 탈피하여, 협동 및 합동훈련 체계로 전환해야 한다는 점이다. 본 연구는 STE를 통해 육군의 미래 지향점을 제시하였고, 현재 수백억 규모로 기 획중인 관련 사업들이 동일한 전략적 목표 아래 진행될 수 있도록 방향점을 제공한다는 점에서 의의가 있다.
두 번째, 데이터의 중요성이 급증하고 있는 현 시점에서 ‘군(軍) 데이터를 어떻게 수집,분석하고 AI체계와 연결할 것인가’라는 질문에 대해, 군(軍) 최초로 xAPI기반의 국방 교육훈련관리(DTMS)체계를 제시함으로써 미래지향적 해 법을 제공했다는 것이다. 이는 현재 국방부가 추진 중인 ‘AI기반 선진 국방건설’의 구체적인 실현을 위한 데이터 인프라를 제공하는 기점이 될 것이다.
세 번째, 현재 및 미래 핵심전력으로 주목받고 있는 유․무 인 복합전투체계의 발전에 있어서, 훈련체계와 무기체계 간의 실시간 연동 메커니즘을 구체화함으로써 ‘훈련이 곧 실전’ 이라는 패러다임을 현실화 할 수 있다는 점이다.
그러나 현재의 체계에는 몇 가지 한계점도 존재한다. STE 는 아직 실전 훈련체계와 실시간 연동이 구현되지 않았으며, DTMS는 데이터 입력이 군(軍) 내부 인트라넷을 통한 수동 방식에 의존하고 있어 자동화 및 접근성 측면에서 보완이 필요하다. 이에 따라 후속 과제로는 STE와 실전훈련체계 간 실시간 연동기술 개발, 그리고 DTMS의 입력 방식을 자동화·음성화하고 인터넷 기반으로 확장하는 방안에 대한 연구가 요구된다. 또한 무기체계와 메타버스 기반에서의 실시간 연동체계에 대한 연구도 개념적 수준을 넘어 실질적 인 실용화 연구가 병행되어야 하며, 이러한 한계를 극복하고 기술적 진화를 이끌기 위해서는 CJDSW-MST모델의 적용 과 산․학․연 협업체계 구축이 필수적이다.
결론적으로 STE와 DTMS, CJDSW-MST모델은 국방부 가 추진하는 ‘AI 기반 과학기술강군’ 실현의 핵심기반이 자 전환점이 될 것이다. 이를 통해 대한민국 군(軍)은 미래 전장 대비 실질적이고 효과적인 과학화훈련체계를 확립할 수 있을 것이다.
