본 논문은 군집 로봇 공학에서 전략적 대립 상황과 같은 대립 상황에 효율적인 의사결정을 위해 이산 명령과 연속 동작을 통합하는 새로운 양방향 접근 방식을 제안한다. 기존의 작업 및 동작 계획 방법은 의사결정을 두 계층으로 분리하지만, 이들의 단방향 구조는 계층 간 상호 의존성을 포착하지 못하여 역동적인 환경에서의 적응성을 제한한다. 본 논문에서 제안하는 계층적 강화 학습 기반의 양방향 접근 방식은 명령을 작업 할당에, 동작을 경로 계획에 효과적으로 매핑하고, 계층적 프레임워크 전반의 학습을 향상시키는 교차 훈련 기법을 활용한다. 또한, 추상적인 작업 표현과 실행 가능한 계획 목표를 연결하는 궤적 예측 모델을 도입한다. 실험 결과, 80% 이상의 대결 승률과 0.01초 미만의 의사결정 시간을 달성하여 기존 방법을 능가함을 보여주었다. 대규모 시험과 실제 로봇 실험을 통한 데모는 본 방법의 일반화 능력과 실용성을 더욱 강조한다.
