지속적 모션-언어 에이전트를 향하여: 점진적 모션 이해 및 생성을 위한 LoRA 변형
Towards Continual Motion-Language Agents: LoRA Variants for Incremental Motion Understanding and Generation
동적 환경에서 작동하는 모션-언어 에이전트의 파국적 망각(catastrophic forgetting) 문제를 해결하기 위해, 고정된 LLM 백본 위에 오토인코더 기반 라우터를 활용한 전문가 혼합(MoE) LoRA 변형을 제안하여 태스크 레이블 없이 추론 시 태스크별 전문가를 선택한다. HumanML3D 기반 5개 태스크 벤치마크에서 M2T·T2M 양방향 모두 망각이 거의 없으며, 소프트 혼합보다 하드 라우팅 방식이 생성 품질 지표에서 유의미하게 우수함을 실험적으로 입증했다.