연구자들은 이종 대규모 언어 모델(LLM)로 구동되는 구현된 에이전트 팀을 위한 네트워크 기반 조정 프레임워크인 LDT-Coord을 제안합니다. 이 시스템은 경량 디지털 트윈 서버를 활용하여 조정을 자연어 추론과 분리함으로써, 기존 다중 라운드 대화 방식에 내재한 높은 통신 비용과 작업 지연 문제를 해결합니다.

  • 에이전트는 반복적인 협상 대신 의도된 작업과 구조화된 시간적 제약을 DT 서버에 보고합니다.
  • 학습이 필요 없는 규칙 기반 오케스트레이터가 공유 리소스에 대한 에이전트 간 충돌을 해결합니다.
  • 에이전트 보고 제어는 제약 조건 부분 관측 마르코프 의사결정 과정(C-POMDP)으로 공식화되며 PPO-Lagrangian 알고리즘을 사용하여 해결됩니다.
  • 시뮬레이션 결과는 기존 방식과 비교 가능한 작업 성공률을 보여주면서 통신 오버헤드를 70배 이상 줄였습니다.

이 프레임워크는 LLM의 이종성 하에서도 강건성을 유지하며, 제한된 네트워크 자원이 있는 환경에서의 물리 AI 배포를 위한 신뢰할 수 있는 조정 메커니즘을 제공합니다.