새로운 연구 논문에서 수색 및 구조(SAR) 작전을 수행하는 자율 무인기(UAV) 떼를 위한 혁신적인 3단계 계층적 학습 아키텍처가 공개되었습니다. 이 아키텍처는 기존 방식과 달리, 단일 학습 패러다임 대신 생물학적 반사(reflexes), 기술(skills), 추론(reasoning)이라는 세 가지 질적으로 다른 학습 메커니즘을 통합하여 드론 떼의 지능과 적응력을 극대화합니다.
제안된 아키텍처는 개별 드론의 적응을 위한 헤비안 신경가소성(Hebbian neuroplasticity), 전술적 조정을 위한 그래프 신경망(GNN) 및 행동 트리(Behavior Trees)를 활용한 다중 에이전트 강화 학습(MARL), 그리고 전략적 의사결정을 위한 BDI(Belief-Desire-Intention) 추론 및 디지털 트윈(digital twin)을 결합한 모델 불가지론적 메타 학습(model agnostic meta learning)으로 구성됩니다. 이 22개의 아키텍처 계약은 안전성, 예산 정확성, 최적성, 활성성, 기아 방지, 계층 간 일관성 등 6가지 공식적인 보장을 제공합니다. 특히 '스와프 메타 인지(Swarm Meta Cognition)'라는 개념을 도입하여 드론 떼 스스로 인지 상태를 모니터링하고 인지 전략을 전환할 수 있도록 합니다.
이러한 지능형 3단계 학습 아키텍처는 기존 계층적 강화 학습(RL) 접근 방식의 다섯 가지 근본적인 한계를 해결합니다. 이는 수색 및 구조와 같은 복잡하고 역동적인 환경에서 드론 떼가 더 안전하고 효율적이며 유연하게 작동할 수 있도록 돕습니다. 궁극적으로 이 기술은 재난 현장에서 인명 수색 및 구조 작업의 성공률을 높이고, 위험에 처한 인력을 줄이는 데 크게 기여할 잠재력을 가지고 있습니다.