본 논문은 저고도 경제적 네트워킹(LAENet)을 위한 강화학습(RL) 프레임워크에 대규모 언어 모델(LLM)을 통합하는 방법을 제시합니다. LAENet은 1,000미터 이하의 다양한 비행 애플리케이션을 지원하기 위해 다양한 항공기를 사용하는 유연하고 비용 효율적인 항공 네트워킹을 목표로 합니다. 하지만 복잡한 의사결정, 자원 제약, 환경적 불확실성으로 인해 어려움을 겪는데, 이를 해결하기 위해 LLM의 생성, 맥락 이해, 구조적 추론 능력을 활용하여 RL의 일반화, 보상 설계, 모델 안정성 문제를 완화하는 방법을 제시합니다. LLM을 정보 처리기, 보상 설계자, 의사 결정자, 생성자 역할로 활용하는 LLM 강화 RL 프레임워크를 제안하고, LAENet에서 보상 함수 설계에 LLM을 활용한 사례 연구를 통해 RL 학습 성능 향상을 보여줍니다.
