arXiv:2509.20021 cs.AI

Embodied AI: From LLMs to World Models

제출 2025-09-24

한국어 초록

체화된 인공지능(Embodied Artificial Intelligence, AI)은 인공지능 일반 지능(Artificial General Intelligence, AGI)을 달성하기 위한 지능형 시스템 패러다임으로, 다양한 응용 프로그램의 초석 역할을 하며 사이버 공간에서 물리적 시스템으로의 진화를 이끌고 있습니다. 최근 대규모 언어 모델(Large Language Models, LLMs)과 세계 모델(World Models, WMs)에서의 혁신은 체화된 AI에 대한 상당한 주목을 받고 있습니다. 한편으로, LLM은 의미적 추론과 작업 분해를 통해 체화된 AI를 강화하며, 고수준의 자연어 지시와 저수준의 자연어 행동을 체화된 인지로 가져옵니다. 다른 한편으로, WM은 외부 세계에 대한 내부 표현과 미래 예측을 구축함으로써 체화된 AI를 지원하며, 물리 법칙에 부합하는 체화된 상호작용을 촉진합니다. 따라서 본 논문은 체화된 AI에 관한 문헌을 기초부터 발전까지 포괄적으로 탐구하며, LLM 기반 및 WM 기반의 연구를 모두 다룹니다. 특히, 우리는 먼저 체화된 AI의 역사, 주요 기술, 주요 구성 요소 및 하드웨어 시스템을 제시하고, 단일 모달에서 다중 모달로의 발전을 살펴봄으로써 그 발전을 논의합니다. 이후 우리는 LLM/다중 모달 LLM(MLLM)과 WM을 활용한 두 가지 급성장하는 체화된 AI 분야를 면밀히 분석하며, 이들이 종단 간 체화된 인지 및 물리 법칙 기반 체화된 상호작용에서 필수적인 역할을 수행함을 명확히 설명합니다. 위의 발전을 바탕으로, 우리는 복잡한 작업을 물리적 세계 내에서 가능하게 하는 공동 MLLM-WM 기반 체화된 AI 아키텍처의 필요성에 대한 통찰을 공유하며, 그 심오한 중요성을 조명합니다. 또한, 체화된 AI의 대표적인 응용 사례를 검토하여 실제 시나리오에서의 광범위한 적용 가능성을 입증합니다. 마지막으로, 우리는 체화된 AI의 미래 연구 방향에 대해 추가적인 조사가 필요한 점을 지적합니다.

요약

Embodied Artificial Intelligence (AI)는 Artificial General Intelligence (AGI)를 달성하기 위한 지능형 시스템 패러다임으로, 사이버 공간에서 물리적 시스템으로의 진화를 이끄는 중요한 기반을 제공한다. 최근 대규모 언어 모델 (LLMs)과 세계 모델 (WMs)의 혁신은 Embodied AI의 연구에 큰 영향을 미치고 있으며, 이 두 가지 기술은 각각 의미적 추론 및 작업 분해, 그리고 외부 세계에 대한 내부 표현 및 미래 예측을 통해 Embodied AI의 성능을 향상시키고 있다. 본 논문은 Embodied AI의 기초부터 발전까지의 문헌을 포괄적으로 탐구하며, LLM 기반 및 WM 기반 연구를 다룬다. 특히, Embodied AI의 역사와 핵심 기술, 주요 구성 요소 및 하드웨어 시스템을 제시하고, 단일 모달에서 다중 모달로의 발전을 논의한다. LLMs는 자연어 지시를 이해하고 이를 행동으로 변환하는 데 중요한 역할을 하며, MLLMs는 고수준의 다중 모달 입력과 저수준의 모터 행동 시퀀스를 연결하여 복잡한 작업을 수행할 수 있도록 한다. 그러나 MLLMs는 물리 법칙에 부합하는 예측을 기반으로 하지 못하고, 환경 피드백에 대한 실시간 적응력이 부족한 한계를 지닌다. 반면, WMs는 감각 입력을 구조화된 잠재 공간으로 압축하여 물리 법칙에 부합하는 Embodied Interaction을 촉진할 수 있는 가능성을 제공한다. 그러나 WM 기반 접근 방식은 개방형 의미적 추론에 어려움을 겪고 있으며, 일반화 가능한 작업 분해 능력이 부족하다. 이러한 두 기술의 결합, 즉 MLLM-WM 기반의 Embodied AI 아키텍처는 의미적 지능과 물리적 상호작용을 연결할 수 있는 잠재력을 지니고 있으며, 이를 통해 복잡한 작업을 물리적 세계에서 수행할 수 있는 가능성을 제시한다. 본 연구는 서비스 로봇, 구조 UAV, 산업 로봇 등 다양한 응용 사례를 통해 Embodied AI의 실제 시나리오에서의 광범위한 적용 가능성을 보여준다. 마지막으로, 자율 Embodied AI, Embodied AI 하드웨어, 군집 Embodied AI 등 향후 연구 방향을 제시하며, Embodied AI의 발전에 기여할 수 있는 다양한 주제를 탐구할 필요성을 강조한다.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

공통 태그로 연결된 공개 논문이 아직 없습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.