꿈꿔왔던 자율주행, LLM과 ASP가 현실로 만들다: 인간과 같은 의미적 내비게이션의 탄생

LLM과 ASP를 활용하여 인간과 같은 의미적 내비게이션을 가능하게 하는 자율주행 기술이 개발되었습니다. 비정형적인 내비게이션 지시사항을 논리적 규칙으로 변환하여 예측 불가능한 상황에도 적응력을 높였으며, 설명 가능성까지 향상시켰습니다.

자율주행 자동차의 완전한 자동화는 여전히 난제입니다. 특히, 도로 레이아웃의 예측 불가능한 변화, 갑작스러운 우회로, 지도 데이터 누락 등이 발생하는 역동적인 도시 환경에서는 실시간 적응력을 갖춘 내비게이션이 필수적입니다. 기존 시스템은 미리 정의된 지도 정보에 크게 의존하기 때문에 이러한 예측 불가능한 변화에 대처하는 데 어려움을 겪습니다.

하지만, Augusto Luis Ballardini와 Miguel Ángel Sotelo가 이끄는 연구팀은 이러한 문제를 해결하기 위한 획기적인 연구 결과를 발표했습니다. 그들은 대규모 언어 모델(LLM) 을 사용하여 비정형적인 내비게이션 지시사항을 Answer Set Programming(ASP) 규칙으로 변환하는 방법을 제시했습니다. 이는 곧, 인간의 언어로 된 길 안내를 자동차가 이해하고 논리적으로 판단할 수 있도록 하는 기술입니다.

ASP는 비단조 추론을 제공하여, 미리 정의된 지도에 의존하지 않고도 변화하는 상황에 적응할 수 있는 자율주행 자동차를 가능하게 합니다. 연구팀은 실제 도시 주행 논리를 형식적인 지식 표현으로 인코딩하는 ASP 제약 조건을 LLM이 생성하는 실험을 진행했습니다. 비정형적인 내비게이션 지시사항을 논리적 규칙으로 자동 변환함으로써, 자율 주행의 적응력과 설명 가능성을 향상시킨 것입니다.

연구 결과는 LLM 기반 ASP 규칙 생성이 의미 기반 의사 결정을 지원하며, 인간이 내비게이션 의도를 전달하는 방식과 밀접하게 일치하는 동적 내비게이션 계획을 위한 설명 가능한 프레임워크를 제공한다는 것을 보여줍니다. 이는 마치 인간 운전자처럼 상황을 이해하고, 유연하게 대처하는 자율주행 시스템을 구현하는 핵심 기술이 될 것으로 기대됩니다. 더 이상 딱딱한 지도에만 의존하지 않는, 인간과 같은 유연함과 지능을 가진 자율주행 시대가 눈앞에 다가온 것입니다. 🎉