섹션별 상세
VLMFP 시스템은 SimVLM과 GenVLM이라는 두 개의 특화된 모델로 구성된다. SimVLM은 입력된 이미지에서 시나리오를 파악하고 자연어로 행동 시퀀스를 시뮬레이션하는 역할을 수행한다. 이후 더 큰 모델인 GenVLM이 이 시뮬레이션 데이터를 바탕으로 고전적 계획 수립 언어인 PDDL 파일을 생성한다.
생성된 PDDL 파일은 기존의 표준 계획 수립 소프트웨어(Classical Solver)에 입력되어 단계별 실행 계획으로 변환된다. GenVLM은 솔버의 결과와 시뮬레이터의 결과를 비교하며 PDDL 파일을 반복적으로 수정하여 정확도를 높인다. 이 과정은 생성형 AI의 유연성과 논리적 솔버의 신뢰성을 동시에 확보하게 해준다.
VLMFP는 학습 과정에서 보지 못한 새로운 환경이나 규칙 변화에도 유연하게 대응할 수 있도록 설계되었다. 2D 그리드 월드 테스트에서 약 70%의 성공률을 보였으며 이는 기존 베이스라인 모델의 30%를 크게 상회하는 수치이다. 특히 다중 로봇 협업 및 로봇 조립과 같은 3차원 작업에서는 80% 이상의 높은 성공률을 기록했다.
이 기술은 자율 주행이나 공장 자동화와 같이 조건이 수시로 변하는 실제 환경에 적합하다. 연구진은 향후 더 복잡한 시나리오를 처리하고 VLM의 고질적인 문제인 환각(Hallucination) 현상을 줄이는 방향으로 연구를 지속할 계획이다.
용어 해설
- 시각-언어 모델(VLM)
- — 이미지와 텍스트 데이터를 동시에 이해하고 처리할 수 있는 AI 모델이다. 시각적 장면을 분석하여 자연어로 묘사하거나 텍스트 지시에 따라 이미지를 해석하는 능력을 갖추고 있어 로봇의 인지 시스템 구축에 핵심적인 역할을 한다.
- 계획 도메인 정의 언어(PDDL)
- — 인공지능 계획 수립 문제를 정의하기 위한 표준화된 논리 언어이다. 로봇이 수행 가능한 행동, 환경의 규칙, 목표 상태를 수학적으로 기술하여 고전적인 계획 수립 소프트웨어가 최적의 해법을 찾을 수 있도록 돕는 매개체 역할을 한다.
- 형식적 솔버(Formal Solver)
- — 수학적 논리와 명확한 규칙을 바탕으로 문제의 해답을 계산하는 알고리즘 소프트웨어이다. 생성형 AI와 달리 확률에 의존하지 않고 정해진 규칙 내에서 반드시 유효한 계획을 생성하므로 로봇 제어의 신뢰성을 보장하는 데 중요하다.
- 장기 계획 수립(Long-horizon Planning)
- — 수많은 중간 단계를 거쳐야 하는 복잡한 목표를 달성하기 위해 일련의 행동 순서를 설계하는 과정이다. 로봇 공학에서 단순한 이동을 넘어 여러 객체를 조작하고 변화하는 환경에 대응해야 하는 고난도 작업의 핵심 기술이다.
기술
- VLM
- PDDL
- SimVLM
- GenVLM
- Classical Solver
활용 사례
- 로봇 내비게이션
- 다중 로봇 협업 조립
- 가변 환경에서의 자율 주행
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 11.수집 2026. 03. 11.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
