지식 표현과 대규모 언어 모델을 활용한 자율주행용 인간 유사 의미 기반 내비게이션
Human-like Semantic Navigation for Autonomous Driving using Knowledge Representation and Large Language Models
자율주행차의 완전 자동화는 여전히 과제이며, 특히 내비게이션에 실시간 적응성이 요구되는 동적인 도시 환경에서 그러하다. 기존 시스템은 사전에 정의된 지도 정보에 크게 의존하기 때문에, 도로 구조의 예측 불가능한 변화, 즉흥적인 우회, 지도 데이터 누락에 직면하면 내비게이션 계획을 처리하는 데 어려움을 겪는다. 본 연구에서는 비정형 내비게이션 지시를 구조화된 논리 기반 추론으로 변환함으로써 대규모 언어 모델을 사용해 Answer Set Programming 규칙을 생성하는 방안을 탐구한다. ASP는 비단조 추론을 제공하여 자율주행차가 사전 정의된 지도에 의존하지 않고도 변화하는 시나리오에 적응할 수 있게 한다. 우리는 LLM이 실제 도시 주행 논리를 형식적 지식 표현으로 인코딩하는 ASP 제약을 생성하는 실험적 평가를 제시한다. 비정형 내비게이션 지시를 논리 규칙으로 자동 변환함으로써 본 방법은 자율 내비게이션의 적응성과 설명 가능성을 향상시킨다. 결과는 LLM 기반 ASP 규칙 생성이 의미 기반 의사결정을 지원하며, 인간이 내비게이션 의도를 전달하는 방식과 밀접하게 부합하는 동적 내비게이션 계획용 설명 가능한 프레임워크를 제공함을 보여준다.