Hallucination-Aware Generative Pretrained Transformer for Cooperative Aerial Mobility Control
Created by
Haebom
저자
Hyojun Ahn, Seungcheol Oh, Gyu Seon Kim, Soyi Jung, Soohyun Park, Joongheon Kim
개요
본 논문은 효율적이고 안정적인 무인 항공기(UAV) 라스트 마일 배송을 위해 생성적 사전 훈련 변환기(GPT)와 강화 학습(RL)을 통합한 2단계 프레임워크인 SafeGPT를 제안합니다. Global GPT 모듈은 구역 할당과 같은 상위 수준의 작업을 담당하고, On-Device GPT는 실시간 현지 경로 계획을 관리합니다. RL 기반 안전 필터는 각 GPT의 결정을 모니터링하고 배터리 소모 또는 중복 방문으로 이어질 수 있는 안전하지 않은 작업을 무효화하여 환각을 효과적으로 완화합니다. 또한 이중 재생 버퍼 메커니즘은 GPT 모듈과 RL 에이전트 모두가 시간 경과에 따라 전략을 개선하도록 돕습니다. 시뮬레이션 결과는 SafeGPT가 GPT 전용 기준선에 비해 더 높은 배송 성공률을 달성하는 동시에 배터리 소모량과 이동 거리를 상당히 줄임을 보여줍니다. 이러한 결과는 GPT 기반 의미 추론과 공식적인 안전 보장을 결합한 것이 강력하고 에너지 효율적인 UAV 물류에 대한 실행 가능한 솔루션임을 검증합니다.
시사점, 한계점
•
시사점:
◦
GPT 기반의 의미 추론과 RL 기반 안전 필터의 결합을 통해 UAV 라스트 마일 배송의 효율성 및 안정성을 향상시킬 수 있음을 보여줌.
