AI 개발을 위해서는 학습 데이터 및 강화학습 환경이 필요합니다. 기존의 STARCRAFT 나 단순한 시뮬레이터 대신 조립 기반의 시뮬레이션 모델 컴포넌트 플러그인으로 확장성 보유, 충실도(Fidelity) 높은 시뮬레이션 모델, 분산 시뮬레이션 아키텍처, Massively Scaling RL 을 위한 시뮬레이션-강화학습 통합 아키텍처 인터페이스 등을 연구개발 합니다.

다양한 형태의 시뮬레이션(Live: 실체계, Virtual: 시뮬레이터, Constructive: 워게임 시뮬레이션) 시스템 그리고 충실도(Fildelity)/해상도(Resolution)가 서로 다른 시뮬레이션 시스템을 연동/통합 시뮬레이션 하여 대규모 시뮬레이션 및 학습 데이터를 비용효과적으로 생성 시키는 기술을 연구개발 합니다.

항공기, 드론, UAV, UGV, 자율주행 자동차 등의 동역학 및 비행/주행 제어 모델 그리고 미사일, 로켓, 기총과 같은 무장 모델, 레이더/CCD/IR 탐지 모델, 교전 모델 및 자율지능 과업 수행을 위한 CGF/SAF(Computer Generated Forces/Semi-Automated Forces) 기술을 연구개발 합니다.
이러한 기술은 시뮬레이션 기반의 훈련/분석 시스템에 활용됩니다. 또한 자율주행 및 자율 임무수행 등에 필요한 AI 학습 데이터 생성 및 강화학습 환경에 활용됩니다.

표적의 부위별 표면 온도, 대기 특성, 파장대별 radiance 등의 물리적 특성을 반영한 적외선 시뮬레이션 기술과  렌즈 사양, 셔터속도, ISO 감도, 조리개, 렌즈 플레어, 초점거리, 블러 등의 카메라 시뮬레이션 기술을 연구개발 합니다.