본 논문은 풀 기반 상태 업데이트 시스템에서 목표 지향적 의미론적 통신을 위한 질의 스케줄링 문제를 다룬다. 여러 센싱 에이전트(SA)가 다양한 속성으로 특징지어지는 소스를 관찰하고, 수신된 정보를 이용하여 최종 지점에서 이종 목표를 달성하기 위해 행동하는 여러 액추에이션 에이전트(AA)에 업데이트를 제공하는 시스템을 고려한다. 허브는 중개자 역할을 하며, 관찰된 속성에 대한 업데이트를 위해 SA에 질의하고, 그 후 AA에 브로드캐스트되는 지식 기반을 유지한다. AA는 지식을 활용하여 효과적으로 작업을 수행한다. 업데이트의 의미론적 가치를 정량화하기 위해 효과 등급(GoE) 지표를 도입한다. 또한, 시스템의 위험 인식과 손실 회피를 고려하기 위해 누적 관점 이론(CPT)을 장기 효과 분석에 통합한다. 이 프레임워크를 활용하여 전송된 업데이트가 제공하는 CPT 기반 총 GoE의 예상 할인 합계를 최대화하는 동시에 주어진 질의 비용 제약을 준수하는 효과 인식 스케줄링 정책을 계산한다. 이를 위해 동적 프로그래밍 기반의 모델 기반 솔루션과 최첨단 심층 강화 학습(DRL) 알고리즘을 사용하는 모델 없는 솔루션을 제안한다. 연구 결과는 효과 인식 스케줄링이 특히 시스템 성능과 전반적인 효과에 최적의 질의 스케줄링이 중요한 엄격한 비용 제약 조건이 있는 설정에서 벤치마크 스케줄링 방법에 비해 통신 업데이트의 효과를 크게 향상시킨다는 것을 보여준다.
