전통적인 자율 무인 항공기 (UAV) 수색 임무는 대상의 의미론적 맥락 (semantic context)을 무시하는 기하학적 커버리지 패턴 (geometric coverage patterns)에 의존하며, 이는 대규모 환경에서 상당한 시간 낭비를 초래합니다. 본 논문에서는 의미론을 활용하여 무인 항공기 (UAV) 수색 임무를 위한 언어 매개 탐색 사전 정보 (language-mediated exploration priors)를 생성하는 파이프라인인 LMPath를 제시합니다. 기본적인 지오펜스 (geofence)와 관심 객체 프롬프트 (object of interest prompt)가 주어지면, LMPath는 생성형 언어 모델 (generative language models)을 사용하여 환경의 어느 영역에 해당 객체가 포함되어야 하는지를 결정하고, 위성 이미지에 대해 실행되는 파운데이션 비전 모델 (foundation vision model)을 사용하여 탐색 사전 정보를 형성하는 하위 영역들을 분할 (segment)합니다. 이 사전 정보는 관심 객체를 찾는 데 걸리는 예상 시간을 최소화하거나, 제한된 이동 거리 내에서 객체가 발견될 확률을 최대화하거나, 또는 객체가 포함될 가능성이 가장 높은 하위 영역으로 수색 공간을 좁히는 것과 같은 다양한 목적을 가진 UAV 경로를 생성하는 데 사용될 수 있습니다. LMPath의 능력을 입증하기 위해, 우리는 LMPath를 사용하여 다양한 UAV 경로를 생성하고 대규모 환경에서 실제 UAV를 사용하여 이를 실행했습니다. 또한 우리는 LMPath를 사용하여 생성된 경로가 수색 임무를 위한 전통적인 경로 계획 (path planning) 방식보다 어떻게 더 나은 성능을 보이는지 입증하기 위해 시뮬레이션을 수행했습니다.