본 논문은 다수의 무인 항공기(UAV) 군집의 지능형 제어 문제를 해결하기 위해, 역할 적응형 대형 언어 모델(LLM) 기반 결합 항법 알고리즘인 RALLY를 제안합니다. 기존 다중 에이전트 강화 학습(MARL) 방식의 한계인 수치적 의사소통의 의미론적 차이와 획일적인 역할 구조의 경직성을 극복하고, LLM 기반 제어 프레임워크의 정적 사전 지식에 대한 과도한 의존으로 인한 탐색 부족 문제를 해결하고자 합니다. RALLY는 구조화된 자연어를 사용한 LLM 기반 의미론적 의사결정 프레임워크, 역할 전환과 개인화된 의사결정을 위한 동적 역할 이질성 메커니즘, 그리고 LLM 오프라인 사전 지식과 MARL 온라인 정책을 통합하는 역할 가치 혼합 네트워크(RMIX) 기반 역할 할당 전략을 통해 효율적인 의미론적 의사소통, 협업 추론, 그리고 반(半) 오프라인 역할 선택 전략 학습을 가능하게 합니다. Multi-Agent Particle Environment (MPE) 환경과 Software-In-The-Loop (SITL) 플랫폼에서의 실험 결과, RALLY는 기존 방식보다 작업 적용 범위, 수렴 속도, 일반화 성능이 우수함을 보여줍니다.
