군집 UAV 자율 탐색을 위한 거대언어모델 기반 임무 자율화 기법 연구 = Large Language Model Driven Mission Autonomy Techniques for Autonomous Exploration in UAV Swarms

다국어 초록 (Multilingual Abstract)

This study proposes a framework that integrates a fine-tuned Large Language Model (LLM) with distributed Model Predictive Control (MPC) for efficient drone swarm control in dynamic environments. An LLM, trained on over 4,000 command data samples, translates natural language commands into structured
mission plans. Subsequently, the local MPC on each drone optimizes flight trajectories while performing collision avoidance and formation maintenance.
Validated through high-fidelity simulations, the proposed system demonstrated high mission success rates and accurate formation tracking, confirming the feasibility of safe and efficient natural language-based swarm UAV control.

목차 (Table of Contents)

• 제 1 장 서 론 01
• 1.1 연구 배경 및 필요성 01
• 1.1.1 연구 배경 01
• 1.1.2 UAV의 지능화/자율화 02
• 1.1.3 로봇 제어 분야의 생성형 AI 적용 04
• 1.1.4 다중 에이전트 협력 제어 기술 04
• 1.2 제안 시스템 개요 05
• 1.2.1 연구 목표 05
• 1.2.2 군집 에이전트를 위한 계층적 제어 06
• 1.2.3 LLM 기반의 자연어 임무 명령 해석 07
• 1.3 연구 기대 효과 08
• 1.3.1 자율 제어 기술의 패러다임 확장 08
• 1.3.2 무인 이동체 운용 효율성 증대 08
• 제 2 장 단일 UAV 자율 탐색 기술 10
• 2.1 단일 UAV 자율 비행 기술 10
• 2.1.1 단일 UAV 자율 비행 모델 설계 10
• 2.1.2 단일 UAV 비정형 환경 비행 제어 전략 13
• 2.1.3 NMPC 기반 경로 추종 제어기 15
• 2.1.4 단일 UAV 환경인지 및 장애물 충돌 회피 16
• 2.2 단일 UAV Localization 및 Mapping 18
• 2.2.1 Lidar-Inertial Odometry 기반 Localization 18
• 2.2.2 Active SLAM 기반 UAV Mapping 20
• 2.2.3 시뮬레이션 기반 Localization 및 Mapping 성능 검증 21
• 2.3 심층강화학습 기반 UAV 탐색 영역 최대화 기법 22
• 2.3.1 심층강화학습 기반 탐색 영역 제어를 위한 입력 설정 22
• 2.3.2 탐색 영역 최대화를 위한 심층강화학습 기법 24
• 2.3.3 PPO 기반 보상 함수 설계 및 Action Space 연계 25
• 2.3.4 시뮬레이션 환경 내 Coverage Control 성능 검증 27
• 제 3 장 LLM 기반 군집 UAV 제어 전략 28
• 3.1 군집 UAV 제어 전략 구축 28
• 3.1.1 군집 UAV 제어 임무 목표 28
• 3.1.2 군집 UAV 임무 대형 설정 30
• 3.2 군집 UAV 제어 시뮬레이션 환경 구성 31
• 3.2.1 이원화 군집 UAV 제어 시스템 31
• 3.2.2 Ground Control System 모사 장비 33
• 3.2.3 군집 UAV 모사 시뮬레이션 장비 33
• 제 4 장 군집 UAV 자율 탐색 LLM 모델 개발 34
• 4.1 자연어 명령 인식 목적 생성형 AI 기법 34
• 4.1.1 생성형 AI 기반 자율 탐색 기술 현황 34
• 4.1.2 군집 UAV 자율 탐색 생성형 AI 모델 선정 37
• 4.2 군집 UAV 자율 탐색 LLM Fine-Tuning 기법 38
• 4.2.1 UAV 군집 제어 목적 CFR 명령 설계 38
• 4.2.2 CFR 명령 출력 학습 목적의 데이터 수집 39
• 4.2.3 PEFT 기법 기반 LLM 모델 튜닝 40
• 4.3 군집 UAV 자율 탐색 LLM 성능 평가 43
• 4.3.1 Fine-Tuned LLM 모델 학습 효율성 평가 43
• 4.3.2 Fine-Tuned LLM 모델 정량적 성능 비교 45
• 제 5 장 군집 UAV 자율 탐색 LLM 모델 성능 검증 49
• 5.1 시뮬레이션 환경 구축 49
• 5.1.1 LLM 기반 군집 UAV 자율 탐색 실증 환경 구축 49
• 5.1.2 고충실도 시뮬레이션 기반 실증 환경 구축 50
• 5.2 자율 탐색 LLM 기반 UAV 군집 임무 수행 능력 검증 52
• 5.2.1 시뮬레이션 실행 결과 52
• 5.2.2 시나리오 별 목표 수행 결과 54
• 5.2.2.1 시나리오 1 (Triangle Formation) 55
• 5.2.2.2 시나리오 2 (Line-Up Formation) 55
• 5.2.2.3 시나리오 3 (Free Formation) 56
• 5.2.2.4 시나리오 4 (Return to Home) 56
• 제 6 장 결과 및 고찰 57
• 6.1 LLM 기반 군집 UAV 자율 탐색 시험 결과 57
• 6.1.1 시나리오 실증 결과 57
• 6.1.2 군집 UAV 비행 정량적 성능지표 평가 58
• 6.1.3 시스템 리소스 사용량 분석 62
• 6.2 향후 연구 방향 64
• 6.2.1 LLM CFR 명령 출력 성능 개선 64
• 6.2.2 ViT 기반 비전 인지 능력 부여 65
• 6.2.3 한국어 입출력 목적 Domestic LLM 적용 65
• 6.3 결과 요약 및 고찰 66
• 참고 문헌 68