본 논문은 응급 상황(예: SAR 작전)에서의 UAV 기반 센서 네트워크(UASNET)의 데이터 수집 스케줄링을 위해 심층 강화 학습(DRL) 대신 문맥 내 학습(ICL) 기반 데이터 수집 스케줄링(ICLDC) 기법을 제안한다. ICLDC는 UAV가 수집한 감각 데이터를 대형 언어 모델(LLM)에 전송하여 자연어로 된 작업 설명을 생성하고, 이를 통해 데이터 수집 일정을 생성하여 UAV가 실행하도록 한다. 시스템은 작업 설명에 피드백을 추가하고 미래의 결정에 피드백을 활용함으로써 지속적으로 적응한다. 또한, 작업 설명을 조작하여 네트워크 성능을 저해하는 탈옥 공격에 대한 테스트를 통해 LLM의 취약성을 강조하고, 제안된 ICLDC가 최대 채널 이득보다 누적 패킷 손실을 약 56% 줄이는 것을 보여준다.
