Agentic AI Networking for Heterogeneous Unmanned Aerial Systems in Low-Altitude Wireless Networks | AIChainDay

한국어 요약by Claude · 2026. 9. 20.

저고도 무선 네트워크(LAWN)는 다양한 무인 항공 시스템이 공유하는 3차원 공역에서 동시 서비스를 지원하는 핵심 인프라로 부상하고 있지만, 이동성·연결성·공유 자원 간 강한 결합과 서비스별로 다르게 변화하는 요구가 뒤섞여 있다. 기존 최적화·학습 기반 제어기는 미리 정의된 목표에 의존해 변화하는 서비스 요구와 자원 우선순위에 자율적으로 적응하기 어렵다. 이 논문은 외부 적응 루프에서 LLM이 서비스 요구와 운영자 의도를 해석해 목표·자원 우선순위를 재구성하고, 내부 루프에서는 분산형 파라미터 조건화 멀티에이전트 강화학습(MARL) 정책이 이를 실행하는 이중 루프 계층형 LLM-MARL 아키텍처를 제안한다. 물류 모니터링 사례 연구를 통해 기존 MARL 정책을 재학습하지 않고도 변화하는 운영 조건에 맞춰 이질적 서비스 간 조율된 공존을 가능케 함을 보였다.

•LLM이 서비스 요구를 해석해 목표를 재구성하는 외부 루프와 MARL이 실행하는 내부 루프의 이중 구조 제안
•이동성·연결성·자원 공유가 강하게 결합된 저고도 무선 네트워크(LAWN)를 대상
•재학습 없이도 변화하는 서비스 요구에 적응 가능함을 물류 모니터링 사례로 입증
•확장 가능하고 신뢰할 수 있는 적응형 에이전트형 LAWN을 위한 향후 과제 논의

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.

AI2026년 9월 18일AI 점수: 60%

Agentic AI Networking for Heterogeneous Unmanned Aerial Systems in Low-Altitude Wireless Networks

출처:arXiv cs.AI

AI 인사이트

개발자

1.저고도 무인기 네트워크(LAWN) 위해 LLM+다중에이전트강화학습(MARL) 이중 루프 구조 제안
2.외부 루프: LLM이 서비스 요구·운영자 의도 해석해 목표·자원 우선순위 재구성
3.내부 루프: 설정된 게임 하 분산형 MARL 정책을 재학습 없이 실행
4.물류 모니터링 사례로 이질적 서비스 간 공존·변화 대응력 검증

왜 중요한가?

저고도 공역에 무인 시스템이 늘며 서비스 간 자원 경쟁이 격화되는데, MARL을 재학습하지 않고도 LLM이 목표를 실시간 재조정하는 구조는 확장 가능한 공역 관리로 이어질 실용적 접근이다.

본문 미리보기

arXiv:2609.19538v1 Announce Type: new Abstract: Low-altitude wireless networks (LAWNs) are emerging as a key infrastructure for heterogeneous unmanned aerial systems that support concurrent services within a shared three-dimensional airspace. Their coexistence creates strong coupling among mobility, connectivity, and shared network resources, while heterogeneous services impose distinct and time-varying requirements. These interactions naturally form a dynamic non-cooperative game in which both

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기