본 논문은 인간, UAV, UGV 등 이종 에이전트 간의 협업 감지 작업 할당 문제(HECTA)를 다룬다. 특히, 복잡한 환경, 제한된 통신, 부분 관측 가능성이 특징인 응급 구조 상황에 중점을 두고, UGV가 감지 작업과 더불어 배터리 부족 UAV의 충전을 우선시하는 "Hard-Cooperative" 정책을 제안한다. 시간 제약 하에서 작업 완료율(TCR)을 극대화하는 것을 목표로, 이 문제를 분산 부분 관측 마르코프 의사 결정 과정(Dec-POMDP)으로 공식화하고, 중앙 집중식 훈련과 분산 실행 아키텍처를 기반으로 한 새로운 다중 에이전트 강화 학습 알고리즘인 HECTA4ER을 제안한다. HECTA4ER은 복잡한 특징 추출 모듈, 은닉 상태를 통한 행동-관측 기록 활용, 전역 및 지역 정보 통합 혼합 네트워크 등을 포함하여 부분 관측 가능성의 문제점을 해결한다. 이론적 분석을 통해 알고리즘의 수렴 특성을 확인하고, 광범위한 시뮬레이션과 실제 사례 연구를 통해 기존 알고리즘보다 평균 18.42% 향상된 TCR을 달성함을 보여준다.
