LLM-Based Multi-Agent Reinforcement Learning for End-to-End Large Autonomous Swarm Control
개인기초연구(과기정통부)(R&D) · 우수연구-핵심연구(전략형)
2026년
2710111424
과학기술정보통신부
한국연구재단
울산과학기술원
한승열
11명
2026.09.01 ~ 2027.08.31
2025.09.01 ~ 2028.08.31
1.9억원
1.9억원
기초연구
출연연구소
울산광역시 울주군
정보/통신 > 정보이론 > 인공지능
본 연구의 목표는 기존 강화학습(RL) 방식이 수많은 환경과의 상호작용을 통해서만 태스크 정보를 파악할 수 있다는 한계를 극복하기 위해 인간과 유사한 사고방식을 가진 대형언어모델(LLM)을 기반으로 태스크 정보를 빠르게 이해하고 반영하는 LLM 기반 다중 에이전트 강화학습(MARL) 프레임워크를 구축하여, 군집 로봇 제어에 적용하고자 함. 기존의 MARL은...
다중 에이전트 강화학습은 중앙 시스템은 제어하는 로봇의 수에 따라 기하급수적으로 증가하는 유지비용과 단일실패점의 존재 등의 한계를 벗어나는 제어 방식으로써 주목을 받고 있음. 하지만 기존의 다중 에이전트 강화학습은 분산 제어를 기초로 하기에, 각 로봇이 가진 정보를 공유하는 과정이나 최적의 정책을 학습하는 과정에서 로봇의 수 증가에 따라 난이도가 증가함. ...
... 고위험 환경 대응 재난 로봇, 군집 드론 기반 작전 시스템 등에서의 확장성과 신뢰성을 동시에 확보할 수 있는 핵심 프레임워크로 작용함. 따라서 본 연구는 대규모 로봇 시스템의 운용 효율성과 안전성, 인간-로봇 협력성을 근본적으로 향상시키는 원천 기술로 기능하며, 미래 산업 및 국방 시스템의 자율화,지능화 수준을 획기적으로 고도화하는 데 기여할 것으로 기대됨.