본 기사는 Matej Hoffmann과 Shubhan Parag Patni의 논문 "Embodied AI in Machine Learning -- is it Really Embodied?"를 바탕으로, 최근 주목받는 구현된 인공지능(Embodied AI)에 대한 비판적 분석과 미래 발전 방향을 제시합니다. 기존의 GOFAI 방식의 한계를 극복하지 못하고 있는 현실과, 진정한 구현을 위한 근본적인 어려움을 짚어보며, Cross-embodiment learning 등의 가능성과 한계를 논의합니다.

줄리안 월터와 암르 고마 연구팀은 자율 시스템의 오류 처리를 개선하기 위해 인간 상호작용 데이터를 활용한 AI 모델 훈련 방법을 제시했습니다. 산업용 진공청소기 시뮬레이션을 통해 얻은 데이터로 LSTM 기반 모델을 학습시킨 결과, 비전문가 데이터만으로도 불필요한 제어권 이전(ToC) 이벤트를 줄이고 시스템의 강건성을 높일 수 있음을 확인했습니다. 이 연구는 인간과 AI의 협력적인 미래를 향한 중요한 진전을 보여줍니다.

본 연구는 딥러닝과 라디오믹스를 결합한 새로운 폐 섬유화 위험 예측 프레임워크를 제시하여 82.2%의 정확도와 85.5%의 AUC를 달성했습니다. 이는 롱 코비드 환자의 폐 섬유화 조기 진단 및 위험 평가에 획기적인 발전을 가져올 것으로 기대됩니다.

본 논문은 게임 이론을 이용하여 도시 교통 환경에서 교통 규칙을 준수하는 자율주행 자동차의 의사결정 및 계획 프레임워크를 제시합니다. 시뮬레이션 및 실제 차량 테스트 결과, 제안된 프레임워크가 안전하고 효율적인 자율주행을 가능하게 함을 보여줍니다.

LLM 기반 사회적 디지털 트윈 플랫폼 'Social Digital Twinner'는 실제 데이터와 LLM 기반 시뮬레이션 엔진을 통해 사회 문제 해결에 대한 데이터 기반 접근 방식을 제공합니다. 노르웨이 Kragero 지역 청소년 학교 중퇴 문제를 해결하기 위한 시뮬레이션을 통해 그 효용성을 입증했습니다.