AI TREND NOW

#LODGE: 계층적 작업 계획 및 도메인 모델 학습을 통한 지능형 계획 수립의 혁신

본 대학 연구팀이 개발한 LODGE는 계층적 도메인 학습과 시뮬레이션, 중앙 오류 추론기를 활용하여 LLM 기반 계획 수립의 한계를 극복하고, 장기 계획에서 높은 성공률을 보이는 혁신적인 시스템입니다.

LLM의 한계를 뛰어넘는 지능형 계획 수립: LODGE의 등장

최근 자연어 명령어를 기반으로 계획을 수립하는 데 있어 대규모 언어 모델(LLM)이 주목받고 있지만, 종종 불완전한 계획을 생성하여 추가적인 수정이 필요하다는 한계점을 가지고 있습니다. 독일 본 대학의 Claudius Kienle, Benjamin Alt, Oleg Arenz, 그리고 Jan Peters 연구팀은 이러한 문제를 해결하기 위해 혁신적인 방법인 LODGE(Joint Hierarchical Task Planning and Learning of Domain Models with Grounded Execution) 를 제시했습니다.

계층적 도메인 학습과 시뮬레이션 기반 검증:

LODGE는 기존의 방법들과 달리, 저수준의 술어와 행위들을 고수준의 상위 개념으로 구성하는 계층적 도메인 학습 방식을 채택했습니다. 이는 특히 LLM 기반 계획 수립 방법이 어려움을 겪는 장기 계획에 매우 효과적입니다. 더 나아가, 시뮬레이션을 활용하여 학습된 도메인 모델의 전제 조건과 효과를 검증함으로써 모델의 정확성을 높였습니다. 이를 통해 인간의 개입을 최소화하고, 보다 효율적인 계획 수립을 가능하게 합니다.

오류 추론기를 통한 계획의 신뢰성 확보:

여러 계획 수준 간의 일관성을 유지하는 것은 성공적인 계획 수립에 매우 중요합니다. 연구팀은 이를 위해 중앙 오류 추론기를 도입했습니다. 이 추론기는 각 계획 수준에서 발생할 수 있는 오류를 감지하고 수정하여, 최종적으로 생성되는 계획의 신뢰성을 높이는 역할을 합니다.

실험 결과와 향후 전망:

두 가지 어려운 국제 계획 경쟁(IPC) 도메인과 장기 로봇 조작 작업에 대한 평가 결과, LODGE는 기존의 도메인 합성 및 LLM 모듈 계획 방법보다 더 높은 계획 성공률을 달성했습니다. 이는 고품질 도메인 모델을 구축하는 LODGE의 뛰어난 성능을 보여줍니다. 자세한 실험 결과는 https://claudius-kienle.github.io/lodge/ 에서 확인할 수 있습니다. LODGE는 LLM 기반 계획 수립의 한계를 극복하고, 보다 안정적이고 효율적인 지능형 계획 시스템 구축에 기여할 것으로 기대됩니다.

LODGE는 단순한 계획 수립 시스템을 넘어, 복잡한 문제 해결을 위한 인공지능의 발전 방향을 제시하는 획기적인 연구 결과입니다.