본 논문은 다수의 소형 비행 로봇(MAVs)을 이용하여 케이블로 매달린 물체를 실제 환경에서 6자유도 조작하는 최초의 분산 제어 방식을 제시한다. 각 MAV에 대한 상위 제어 정책을 훈련시키기 위해 다중 에이전트 강화 학습(MARL)을 활용한다. 기존의 중앙 집중식 제어 방식과 달리, 제안하는 방법은 전역 상태 정보, MAV 간 통신, 인접 MAV 정보를 필요로 하지 않는다. 대신, 에이전트는 물체의 자세 정보만으로 암묵적으로 통신하며, 이를 통해 높은 확장성과 유연성을 제공한다. 또한 추론 시간 동안의 계산 비용을 크게 줄여 온보드 배포를 가능하게 한다. 선형 가속도와 자세율을 사용하는 새로운 동작 공간 설계를 도입하여, 동적인 3D 움직임 동안 케이블 장력으로 인한 상당한 불확실성에도 불구하고, 강력한 하위 제어기와 결합하여 신뢰할 수 있는 시뮬레이션-실제 전이를 가능하게 한다. 하중 모델 불확실성 하에서의 완전 자세 제어를 포함한 다양한 실제 실험을 통해 검증되었으며, 최첨단 중앙 집중식 방법과 비교할 만한 설정점 추적 성능을 보여준다. 또한, 이기종 제어 정책을 가진 에이전트 간의 협력과 하나의 MAV가 비행 중 완전히 손실되는 상황에 대한 강건성을 보여준다.
