▲ Lang2LTL 소프트웨어 시스템은 인간과 로봇 사이의 원활한 의사소통에 기여한다.(사진=브라운대)

美브라운대 연구팀이 대규모 언어모델(LLM)을 활용해 인간과 로봇 간 커뮤니케이션을 단순화할 수 있는 기술을 개발했다고 6일 밝혔다. 연구팀이 개발한 소프트웨어 시스템은 수천 시간의 훈련 데이터 없이도 간단한 단어로 이뤄진 명령어를 로봇이 수행할 수 있는 행동으로 변환할 수 있도록 해준다.

연구팀에 따르면 대부분의 로봇 내비게이션 소프트웨어는 일상적인 언어로부터 로봇들이 이해하고 수행할 수 있는 수학적인 언어로 신뢰성 있게 전환되지 못한다. 소프트웨어 시스템은 복잡하거나 감정적인 지시 사항에 기반해 논리적으로 도약하는 데 큰 어려움을 겪는다. 이런 작업을 수행하기 위해 기존의 시스템들은 수천 시간의 데이터에 대한 훈련을 필요로 한다.

브라운대 연구팀은 인공지능으로 작동하는 대규모 언어모델(LLM)을 활용해 로봇이 학습하는 방식을 바꿨다. 연구팀은 이달 6일부터 9일까지 미 조지아주 아틀란타에서 열린 '로봇 학습에 관한 컨퍼런스(Conference on Robot Learning·CoRL)‘에서 논문을 발표했다.(논문 제목:Grounding Complex Natural Language Commands for Temporal Tasks in Unseen Environments)

연구팀은 “LLM은 로봇들이 이해하고 추론하는 데 새로운 능력을 발휘할 수 있는 문을 열었다”고 밝혔다. 연구팀은 AI 언어 모델을 사용해 명령어를 구분하는 방법을 만들었다. 이 방법은 훈련 데이터의 필요성을 없애고, 로봇이 지도만 사용해 해당 위치까지 간단한 단어의 명령어 지시를 따를 수 있게 한다. 이 소프트웨어는 내비게이션 로봇들에게 자연어 명령을 받아들이고 행동을 생성할 수 있는 기본적인 도구를 제공한다. 소프트웨어는 로봇이 명령어의 맥락과, 로봇이 어떤 순서로 명령어를 수행하는지에 필요한 논리적 도약을 계산할 수 있도록 해준다.

스테파니 텔렉스 교수는 "우리는 사람들이 로봇에게 제시하는 복잡하고 추상적인 영어 명령어를 로봇의 행동에 연결하는 방법을 원했다"고 말했다. 연구팀이 개발한 소프트웨어 시스템인 ’Lang2LTL‘은 명령어를 모듈화된 조각들로 분해한다. 언어 모델은 로봇이 이해하는 방식으로 이 명령들을 수학적 코드와 기호, 선형 시간 논리(linear temporal logic)로 번역한다. 이어 자신이 만들고 있는 공식에 매핑된 위치를 연결하고 명령들을 로봇에게 전달한다.

연구팀은 두 가지 방법으로 소프트웨어 시스템을 테스트했다. 첫 번째로, 연구팀은 '오픈스트리트맵(OpenStreetMap)'이라는 공개 지리 데이터베이스를 사용해 21개의 도시에서 시뮬레이션을 통해 소프트웨어를 적용했다. 연구팀에 따르면, 이 시스템은 시뮬레이션을 통해 80%의 정확도를 보였다. 연구팀은 또한 브라운대 캠퍼스내 실내에서 보스턴 다이내믹스의 스팟 로봇을 사용해 시스템을 테스트했다.

연구팀은 앞으로 이 시스템을 직접 시험하기 위해 오픈스트리트맵(OpenStreetMaps)에 기반한 시뮬레이션을 공개할 계획이다. 또한 소프트웨어에 조작 능력을 추가할 계획이다.

이번 연구는 전미과학재단, 해군연구소, 공군과학연구소, 에코 랩, 아마존로보틱스의 지원을 받아 수행됐다.