Gabriella Waters와 Phillip Honenberger의 연구는 AI 편향성을 '대칭성 위반'으로 정의하고, 오류, 불평등, 과정 편향의 세 가지 유형을 제시하며, 각 유형의 편향을 AI 개발 및 활용 전 과정에서 어떻게 관리해야 하는지에 대한 새로운 지침을 제공합니다. 이는 AI의 윤리적 개발과 공정한 활용에 중요한 전환점을 마련하는 연구입니다.

Zhao 박사 연구팀은 LLM을 이용한 동적 경로 탐색 기술을 개발하여, 다중 에이전트 환경에서도 장애물 회피 및 경로 최적화를 자율적으로 수행하는 성과를 거두었습니다. 앵커 포인트 기반 경로 표현 방식과 훈련이 필요 없는 LLM 기반 방법을 통해 전역적이고 동적인 폐쇄 루프 계획이 가능해졌다는 점이 핵심입니다.

본 연구는 LLM 에이전트의 특성과 참가자 성별에 따라 인간의 협력 행동이 달라짐을 보여주는 실험 결과를 제시합니다. 이는 인간-AI 협력의 미래를 위한 중요한 시사점을 제공합니다.

Steven W. Su 외 연구팀이 개발한 협력적 적응형 마르코프 의사결정 과정(CAMDPs) 모델은 로봇 보조 재활 분야의 혁신적인 접근법으로, 인간과 기계의 상호 작용 학습 과정을 개선하여 더욱 효과적이고 개인 맞춤형 재활 시스템 개발에 기여할 것으로 기대됩니다.

이화여대 연구팀이 개발한 InversePrompt는 역방향 프롬프팅을 이용해 LLM 기반 로봇 작업 계획의 정확성을 높이고, 자기 수정 기능을 강화한 혁신적인 기술입니다. 벤치마크 결과 기존 방식 대비 16.3% 향상된 성공률을 보였으며, 실제 환경 적용 가능성을 높였습니다.