본 논문은 다수의 무인 항공 시스템(sUAS) 군집을 이용하여 대기 오염원을 찾는 다중 에이전트 강화 학습(MARL) 알고리즘을 제시합니다. 기존의 경사 기반 또는 생물학적 영감을 받은 접근 방식이 현실적인 난류 조건에서 실패하는 문제를 해결하기 위해, 부분적으로 관측 가능한 마르코프 게임(POMG)으로 문제를 모델링하고, 과거 행동-관측 쌍의 전체 시퀀스를 사용하는 LSTM 기반 Action-specific Double Deep Recurrent Q-Network (ADDRQN)을 활용합니다. 가우시안 플룸 모델(GPM) 기반의 일반적인 시뮬레이션 환경을 사용하여 3차원 환경, 센서 노이즈, 상호 작용하는 다수의 에이전트, 다수의 플룸 소스 등 현실적인 요소들을 통합합니다. 광범위한 시뮬레이션 결과, 제안된 알고리즘이 기존 방식보다 상당히 우수하며, 오염원을 성공적으로 찾기 위해 환경의 1.29%만 탐색하면 됨을 보여줍니다.
