대규모 언어 모델 기반 계획 생성과의 관계 (Relationship with Large Language Model-Based Plan Generation)

1. 개요

대규모 언어 모델(Large Language Model, LLM)을 활용한 계획 생성은 자연어 목표를 행동 시퀀스로 변환하는 새로운 접근이다. LLM은 사전 학습된 세계 지식을 활용하여 PDDL 작성이나 도메인 모델링 없이도 계획을 생성할 수 있으나, 정확성과 안전성 보장에서 한계가 있다.

2. 기존 패러다임과의 비교

3. LLM의 활용 방식

3.1 방식 1: LLM → PDDL 변환

자연어 목표를 LLM이 PDDL 문제 정의로 변환하고, 기존 계획기가 계획을 생성한다.

자연어: "테이블 위의 빨간 상자를 선반에 놓아줘"
→ LLM이 PDDL 목표 생성: (on red_box shelf)
→ 계획기가 행동 시퀀스 생성

3.2 방식 2: LLM 직접 계획 생성

LLM이 행동 시퀀스를 직접 생성한다. 빠르나 정확성이 보장되지 않는다.

3.3 방식 3: LLM + 검증기

LLM이 생성한 계획을 PDDL 검증기로 실행 가능성을 검증한다.

4. 현재의 한계

• 환각(hallucination)에 의한 무효 행동 생성
• 물리적 제약의 이해 부족
• 장기 의존성 추론의 한계
• 안전 보장 불가

5. 참고 문헌

• Huang, W., et al. (2022). “Language Models as Zero-Shot Planners: Extracting Actionable Knowledge for Embodied Agents.” ICML 2022.
• Ghallab, M., Nau, D., & Traverso, P. (2016). Automated Planning and Acting. Cambridge University Press.