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.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Ehsan Latif о arxiv.org 03-28-2024
https://arxiv.org/pdf/2403.18778.pdfГлибші Запити