이 연구는 LLM(GPT-3.5-turbo)을 활용한 로봇 경로 계획 시스템을 제안한다. 기존의 경로 계획 방법론은 복잡한 환경에서 신뢰할 수 있는 계획을 수립하는 데 어려움이 있다. LLM의 뛰어난 자연어 처리 능력, 실시간 경로 계획 제공 능력, 높은 정확도 및 Few-shot 학습 능력을 활용하여 이러한 한계를 극복할 수 있다.
제안 시스템은 사용자의 자연어 지시를 입력받아 GPT-3.5-turbo를 통해 최적의 경로를 계획한다. 이를 위해 경로 계획 문제를 자연어 문제로 변환하고, GPT-3.5-turbo를 활용하여 최적화된 경로를 생성한다. 또한 동적 장애물 발생 시 실시간으로 관측 정보를 자연어로 변환하여 GPT-3.5-turbo에 전달하고, 갱신된 경로 계획을 받아 장애물을 회피하며 목표 지점에 도달할 수 있다.
실험 결과, GPT-3.5-turbo는 기존 A* 및 RRT 알고리즘에 비해 처리 시간이 매우 빠르고(10ms), 경로 길이도 6.34m로 양호한 성능을 보였다. 다만 경로 정확도는 81%로 다소 낮은 편이었다. 이는 GPT-3.5-turbo의 언어 이해 능력을 활용한 강점이 있지만, 기하학적 문제에 대한 한계도 있음을 보여준다. 향후 기존 알고리즘과의 하이브리드 접근법 등을 통해 성능 향상이 필요할 것으로 보인다.
翻譯成其他語言
從原文內容
arxiv.org
深入探究