로봇 공학 (Robotics)은 불확실성, 자원 제한 및 엄격한 운영 제약 조건 하에서 의사결정이 이루어져야 하는 환경 모니터링 및 자연 재난 관리 분야를 지원할 것으로 기대됩니다. 산불과 같은 중요한 임무에서 로봇 에이전트는 충분한 신뢰도로 위험 이벤트를 식별해야 할 뿐만 아니라, 에너지 비용과 탐지까지 걸리는 시간도 관리해야 합니다. 본 논문은 불확실성 하에서의 산불 탐지를 위한 에너지 인지형 분산 프레임워크인 ED3R을 소개합니다. ED3R은 로봇과 원격 컨트롤러(remote controller) 간의 계층적 협력 의사결정을 가능하게 합니다. 원격 컨트롤러는 로봇의 움직임을 결정하는 반면, 로봇은 환경을 감지하고 산불 탐지를 어디서(온보드(onboard) 또는 원격으로) 그리고 어떻게 수행할지를 결정합니다. 공통의 목표는 로봇의 모든 동작에서 소비되는 에너지를 최소화하면서 요구되는 신뢰도로 산불을 탐지하는 것입니다. ED3R은 또한 근처의 장애물을 피하고, 중복 탐지를 방지하며, 적응형 조기 임무 완료를 가능하게 하고, 맞춤형 페널티 함수 (penalty function)를 통해 실행 가능성을 보장하는 메커니즘을 통합합니다. 또한 ED3R은 에이전트가 실행 전에 후보 전략을 평가함으로써 미래를 예측할 수 있도록 하는 분산 신경 회귀 모델 (distributed neural regression models)을 통해 구현된 전방 주시 (forward-looking) 능력을 도입합니다. 이 프레임워크는 현실적인 로봇 시뮬레이션, 어블레이션 연구 (ablation studies), 그리고 베이스라인 (baseline) 비교를 통해 평가되었습니다. 전반적으로 ED3R은 최대 97.18%의 임무 성공률을 달성합니다. 특히 가장 까다로운 임무에서 베이스라인보다 에너지 소비를 최대 36.4% 줄이고 산불을 최대 41% 더 빠르게 탐지합니다.