LDT-Coord는 스마트 팩토리·물류창고 등에서 서로 다른 LLM을 쓰는 이기종 임바디드 에이전트 팀을 경량 디지털 트윈(DT)으로 조율하는 네트워크 협조 프레임워크다. 각 에이전트가 행동 결정과 공유 자원에 대한 구조화된 시간 제약만 DT 서버에 보고하면, 학습이 필요 없는 규칙 기반 오케스트레이터가 충돌을 해소해 자연어 다회전 협상의 통신 부담과 지연을 제거한다. 보고 제어를 C-POMDP로 정식화해 PPO-Lagrangian으로 최적화했으며, 시뮬레이션에서 기존 방식과 유사한 작업 성공률을 유지하면서 통신 오버헤드를 70배 이상 줄였다. 대역폭이 제한된 현장에서 LLM 에이전트 팀을 실용적으로 운용할 수 있는 경로를 제시한다.
- •자연어 다회전 대화 대신 행동 결정+시간 제약만 디지털 트윈 서버에 보고하는 구조로 협조 성능을 LLM 언어 추론 능력과 분리
- •학습 불필요한 규칙 기반 오케스트레이터가 에이전트 간 자원 충돌을 해소
- •에이전트 보고 제어를 C-POMDP로 정식화하고 PPO-Lagrangian으로 해결
- •기존 방식 수준의 작업 성공률을 유지하며 통신 오버헤드 70배 이상 감소, LLM 이기종 환경에서도 견고
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Communication-Efficient Digital-Twin Coordination for Heterogeneous LLM Embodied Agents over Computing Power Networks
- 1.경량 디지털트윈 기반 이종 LLM 임모디드 에이전트 조율 프레임워크 LDT-Coord 제안
- 2.자연어 협상 대신 행동 결정·시간 제약만 DT 서버에 보고, 규칙 기반으로 충돌 해소
- 3.보고 제어를 C-POMDP로 정식화해 PPO-Lagrangian으로 해결
- 4.유사 성공률 유지하며 통신 오버헤드 70배 이상 절감
왜 중요한가?
스마트팩토리·물류 로봇처럼 네트워크 자원이 제한된 환경에서 다중 LLM 에이전트의 자연어 협상 오버헤드를 구조적으로 제거했다. 조율 성능을 개별 LLM의 추론 능력에서 분리해 이종 모델 혼합 배치의 실용성을 높인 점이 핵심이다.
언급 프로젝트
스마트 팩토리, 물류 창고, 서비스 로봇 등 물리적 AI 환경에서 이종 LLM 기반 에이전트 팀의 효율적인 디지털 트윈 조율은 핵심적인 과제입니다. 이는 고도화된 산업용 AI 시스템을 구축하려는 한국 기업들에게 통신 효율성과 협업 성능을 극대화할 수 있는 중요한 기술적 방향을 제시합니다. 실제 산업 현장에서의 AI 도입 및 확산에 필수적인 요소로 작용할 것입니다.
본문 미리보기
arXiv:2607.09330v1 Announce Type: new Abstract: Embodied agent teams powered by heterogeneous large language models (LLMs) are being widely deployed in physical artificial intelligence such as smart factories, warehouses, and service robotics. To enable collaboration among such an agent team, efficient coordination mechanisms that operate reliably under limited network resources are required. However, existing heterogeneous LLM-agent coordination frameworks that rely on multi-round natural-lang
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안

