IFPV: 생성적 운영 계획 및 고정밀 계획 검증을 위한 통합 다중 에이전트 프레임워크

IFPV: An Integrated Multi-Agent Framework for Generative Operational Planning and High-Fidelity Plan Verification

현대적인 복잡하고 빠르게 변화하는 전장 환경에서 운영 계획 수립 및 검증은 매우 중요하지만, 기존의 계획 수립 및 검증 방법은 각각 계획 실행 불가능성과 검증 부족이라는 어려움을 안고 있습니다. 이러한 한계를 극복하기 위해, 우리는 생성적 운영 계획 및 고정밀 계획 검증을 위한 통합 다중 에이전트 프레임워크(IFPV)를 제안합니다. IFPV는 두 개의 밀접하게 결합된 모듈로 구성됩니다. 첫 번째는 생성적 운영 계획을 위한 다각적 계층 구조 에이전트(MPHA)이고, 두 번째는 고정밀 적대적 계획 검증을 위한 적대적 인지 시뮬레이션 엔진(ACSE)입니다. MPHA는 Pathfinder, Analyst, Planner 에이전트의 협력을 통해 사령관의 의도를 실행 가능한 다중 플랫폼 전술 행동 시퀀스로 분해합니다. ACSE는 맞춤형 세계 모델을 갖춘 적을 도입하여, 임무에 중요한 플랫폼의 미래 변화를 예측하고 후보 계획에 대한 동적 반격을 수행합니다. Asymmetric Combat Tactic Simulator (ACTS)에서의 시뮬레이션 실험 결과, IFPV는 단일 단계의 대규모 언어 모델(LLM) 기반 계획 시스템과 비교하여 임무 성공률을 19.4% 향상시키고 운영 비용을 41.7% 절감했습니다. 또한, 기존의 규칙 기반 검증 시스템과 비교하여 ACSE는 평균 억제율을 31.8% 증가시켜, 제안된 검증 환경이 후보 계획의 잠재적인 취약점을 더 엄격하고 효과적으로 드러내는 것을 보여줍니다. IFPV의 코드는 https://github.com/zhigao3ks/IFPV 에서 확인할 수 있습니다.

Operational plan generation and verification are critical for modern complex and rapidly changing battlefield environments, yet traditional generation and verification methods still respectively face the challenges of generation infeasibility and verification insufficiency. To alleviate these limitations, we propose an Integrated Multi-Agent Framework for Generative Operational Planning and High-Fidelity Plan Verification (IFPV). IFPV consists of two tightly coupled modules: Multi-Perspective Hierarchical Agents (MPHA) for generative operational planning and an Adversarial Cognitive Simulation Engine (ACSE) for high-fidelity adversarial plan verification. MPHA decomposes commander intent into executable multi-platform tactical action sequences through the collaboration of Pathfinder, Analyst, and Planner agents. ACSE introduces an opponent equipped with a customized world model, which predicts the future evolution of mission-critical platforms and conducts dynamic counteractions against candidate plans. Simulation experiments in the Asymmetric Combat Tactic Simulator (ACTS) show that IFPV improves mission success by 19.4% and reduces operational cost by 41.7% compared with a single-step large language model (LLM) planning baseline. Compared with a traditional rule-based validator, ACSE increases the average suppression rate by 31.8%, indicating that the proposed verification environment is stricter and more discriminative in revealing the latent vulnerabilities of candidate plans. The code for IFPV can be found at https://github.com/zhigao3ks/IFPV.