본 논문은 다중 에이전트 계획 문제에서 고전적 계획(PDDL)과 대규모 언어 모델(LLM)의 장점을 결합하는 새로운 방법을 제시한다. 기존 PDDL은 다중 에이전트의 동시 행동과 같은 시간적 측면을 효과적으로 다루지 못하는 한계를 가지고 있다. 본 연구는 LLM을 활용하여 인간의 직관과 유사하게 다중 에이전트 계획 목표를 하위 목표로 분해하고, 각 하위 목표를 단일 에이전트 계획으로 해결함으로써 다중 에이전트 계획의 효율성을 높인다. 실험 결과, LLM 기반 목표 분해는 기존의 다중 에이전트 PDDL 문제 해결보다 더 빠른 계획 시간과 더 적은 실행 단계를 달성하며, 실행 성공을 보장하는 것으로 나타났다. 또한, LLM에 의해 생성된 하위 목표는 인간 전문가가 설정한 하위 목표와 유사한 다중 에이전트 실행 길이를 보였다.
