AI와 로봇 기술의 발전으로, 제조업에서의 자동화를 넘어 가정, 회사, 공공기관 등 다양한 장소에서 서비스 제공과 물품 운반이 가능한 자율 이동 로봇에 대한 기대가 높아지고 있습니다. 특히 최근 거대 언어 모델(LLM)과 같은 기술이 접목되면서 로봇과 사용자 간의 상호작용이 더욱 유연해졌습니다. 그러나 장기간 반복적으로 임무를 수행하는 이러한 서비스 로봇에는 특정 공간에서 누적된 관측치를 학습하여 공간의 특수성을 이해하고 이를 바탕으로 임무를 점점 더 효율적으로 수행할 수 있는 기술이 필요합니다. 기존 항법 기술과 범용 LLM 활용 기술로는 이러한 요구를 충분히 충족시키기 어렵습니다.

본 연구는 특정 공간에서 지속적으로 임무를 수행하는 자율 이동 로봇이 장소의 특수성을 학습하고, 이를 기반으로 지도 관리와 임무 수행 능력을 효율적으로 개선할 수 있는 기술을 개발하는 것을 목표로 합니다.

이를 위해 첫째, 장기간 활용 가능한 지도 관리 기술을 개발하여 과거에 구축한 선험 지도와 현재 관측치를 비교함으로써 환경 변화를 인지하고 이를 지도에 반영하는 능력을 구현하고자 합니다. 둘째, 임무 수행 공간에서 누적된 정보를 바탕으로 객체 위치의 불확실성 및 변동성을 표현하여 장소 특수성, 동적 요소, 객체의 임무 관련성을 학습할 수 있는 기술을 연구합니다. 셋째, 학습된 장소 특수성과 환경 변화에 따라 LLM을 재추론할지 여부를 결정하고, 더 나아가 LLM 의존성을 줄이고 추론 시간을 절감하기 위해 작은 언어 모델로 최적화하는 기술을 개발합니다.

지속 가능한 지도 관리 기술을 통해 고비용 장비 없이도 환경 지도를 효율적으로 관리하며, 장소 특수성을 학습하는 기술로 로봇이 시간이 지남에 따라 점차 더 효율적으로 임무를 수행할 수 있도록 하여, 점점 더 똑똑한 로봇 개발에 기여하고자 합니다.

그림. 사용되는 공간의 특수성을 학습하여 점점 더 효율적으로 임무를 수행할 수 있는 로봇