Core Concepts
본 연구는 대규모 언어 모델을 활용하여 자율 로봇의 계획 및 추론 기능을 향상시키는 방법을 제안한다.
Abstract
본 연구는 자율 로봇의 인지 아키텍처인 MERLIN2에 대규모 언어 모델(LLM)을 통합하는 방법을 제안한다. 기존 MERLIN2 아키텍처의 계획 레이어를 LLM 기반으로 재설계하였다.
먼저, 지식 그래프를 활용하여 로봇의 상태 정보를 표현하고, 이를 LLM에 전달하는 프롬프트를 생성한다. LLM은 이 프롬프트를 바탕으로 계획을 생성하고, 계획 실행 후 목표 달성 여부를 확인한다.
실험 결과, LLM 기반 계획 시스템은 기존 PDDL 기반 계획 시스템에 비해 실행 시간이 다소 느리지만, 자연어 기반 상호작용이 가능하다는 장점이 있다. 향후 LLM 모델 최적화와 지식 표현 방식 개선을 통해 성능을 향상시킬 계획이다.
Stats
로봇이 6번의 미션을 수행하는데 걸린 시간은 평균 107.728초였다.
로봇이 20번의 미션을 수행하는데 걸린 시간은 평균 257.763초였다.
로봇이 6번의 미션을 수행하는 동안 이동한 거리는 평균 30.579미터였다.
로봇이 20번의 미션을 수행하는 동안 이동한 거리는 평균 62.957미터였다.