EmbodiedAgent: 현실적인 다중 로봇 제어의 혁신

EmbodiedAgent는 환각 문제를 해결하는 계층적 다중 로봇 제어 프레임워크로, 다음 행동 예측 및 구조화된 메모리 시스템을 활용합니다. MultiPlan+ 데이터셋과 RPAS 평가 체계를 통해 71.85%의 높은 점수를 달성, 실제 환경에서의 효용성을 입증했습니다.

최근, 다중 로봇 제어 분야에서 획기적인 발전이 이루어졌습니다. 중국 연구진(Hanwen Wan, Yifei Chen 외)이 개발한 EmbodiedAgent는 계층적 프레임워크를 통해 다양한 로봇의 효율적인 협업을 가능하게 하는 혁신적인 시스템입니다. 기존 시스템의 어려움이었던 '환각(hallucination)' 문제, 즉 로봇이 현실과 동떨어진 행동을 하는 문제를 효과적으로 해결하는 데 중점을 두었습니다.

EmbodiedAgent는 다음 행동을 예측하고 구조화된 메모리 시스템을 이용하여 복잡한 작업을 로봇이 수행 가능한 작은 단위 작업으로 분해합니다. 더 나아가, 각 행동의 실행 가능성을 환경 제약 조건과 실시간으로 비교하여 검증하는 메커니즘을 포함하고 있습니다. 이러한 접근 방식은 로봇이 보다 현실적이고 효율적으로 작업을 수행할 수 있도록 돕습니다.

성능 평가를 위해 연구진은 **MultiPlan+**라는 방대한 데이터셋을 구축했습니다. 100가지가 넘는 시나리오에서 18,000개 이상의 주석 달린 계획 인스턴스를 포함하며, 특히 '환각' 문제를 완화하기 위해 비현실적인 상황까지 고려되었습니다. 또한, 자동화된 지표와 대규모 언어 모델(LLM)을 활용한 전문가 평가를 결합한 새로운 평가 체계인 Robot Planning Assessment Schema (RPAS) 를 제안하여, 더욱 객관적이고 정확한 성능 측정을 가능하게 했습니다.

실험 결과, EmbodiedAgent는 기존 최첨단 모델을 능가하는 성능을 보였으며, RPAS 점수 71.85%를 기록했습니다. 더욱 중요한 것은, 사무실 서비스 작업과 같은 실제 환경에서의 검증을 통해 장기 목표를 달성하기 위한 이종 로봇의 효과적인 협업 능력을 입증했다는 점입니다. 이는 EmbodiedAgent가 실제 세계 문제 해결에 실질적으로 적용될 수 있음을 보여주는 중요한 결과입니다.

EmbodiedAgent는 다중 로봇 제어의 실용성과 신뢰성을 크게 향상시켰을 뿐만 아니라, 복잡한 작업의 분해 및 환경 적응력 향상이라는 중요한 과제에 대한 해답을 제시했습니다. 이 연구는 미래 로봇 시스템 개발에 중요한 이정표를 세운 것으로 평가받고 있습니다.