2025년 최첨단 AI: 재난 대응을 위한 자율 협업 스케줄링 알고리즘

Lei Han 등 연구진은 시간 의존적인 UAV, 작업자, 차량의 자율 협업을 통한 재난 대응 환경 정보 수집 알고리즘 HoAs-PALN을 개발했습니다. 적응적 차원 축소와 국소 내시 균형 게임을 활용하여 기존 알고리즘보다 작업 완료율을 최대 64.12% 향상시켰으며, 10초 이내의 빠른 의사결정 속도를 보였습니다.

자연재해는 인류 사회에 막대한 피해를 입히며, 재난 이후 환경 정보의 시의적절하고 효율적인 수집은 구조 활동의 성공에 매우 중요합니다. 기존 기술은 재난 환경의 복잡성으로 인해 환경 적응력 약화, 특수 감지 기능 부족, 실용적인 감지 솔루션의 한계 등의 문제에 직면해 있습니다.

이러한 문제를 해결하기 위해, Lei Han 등 연구진이 개발한 HoAs-PALN 알고리즘은 시간 의존적인 무인 항공기(UAV), 작업자, 차량 간의 자율적 협업을 통해 재난 후 환경 정보의 효율적인 수집을 가능하게 합니다. HoAs-PALN의 핵심은 적응적 차원 축소와 국소 내시 균형 게임을 활용한 접근 방식에 있습니다.

적응적 차원 축소는 5차원 매칭 과정을 3차원 매칭 과정 두 가지로 변환하여 스케줄링 결정 시간을 대폭 줄입니다. 이는 마치 복잡한 퍼즐을 간단한 조각들로 나누어 푸는 것과 같습니다. 국소 내시 균형 게임은 softmax 함수를 이용하여 행동 선택 확률을 최적화하고, 국소 내시 균형 결정 메커니즘을 도입하여 스케줄링 결정 성능을 보장합니다. 이는 각 에이전트가 최선의 선택을 하도록 유도하는 동시에 전체 시스템의 효율성을 극대화하는 전략입니다.

연구진은 실제 데이터와 시뮬레이션 데이터를 기반으로 광범위한 실험을 수행했습니다. 그 결과, HoAs-PALN은 기존 알고리즘(GREEDY, K-WTA, MADL, MARL)에 비해 작업 완료율을 평균 14.03%에서 64.12%까지 향상시켰습니다. 더욱 놀라운 점은 각 온라인 스케줄링 결정에 10초 미만이 소요된다는 점입니다. 이는 역동적인 재난 환경에서도 효과적인 실시간 대응이 가능함을 의미합니다.

결론적으로, HoAs-PALN은 재난 대응 환경에서 효율적인 정보 수집을 위한 획기적인 기술로, 다양한 에이전트 간의 자율적 협업을 통해 인명 구조와 재난 복구에 크게 기여할 것으로 기대됩니다. 향후 연구는 더욱 복잡하고 불확실한 환경에서의 알고리즘 성능 향상 및 실제 재난 현장 적용에 초점을 맞출 것으로 예상됩니다. 이 연구는 AI 기술이 인류의 안전과 복지에 어떻게 기여할 수 있는지를 보여주는 좋은 사례입니다.