Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
SenseWalk는 LLM 기반 에이전트를 활용하여 구역화된 환경 내 의미론적 궤적 시뮬레이션을 지원하는 대화형 시스템입니다. LLM과 사회적 힘 모델을 결합하여 물리적 타당성과 의미론적 일관성을 동시에 확보했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기의미론적 궤적 분석(Semantic trajectory analysis)은 사람들이 왜 특정한 방식으로 이동하는지를 더 잘 이해하기 위해, 단순한 공간 경로를 넘어 의미론적 정보(예: 방문자의 프로필 및 목표)를 통해 암시적인 패턴과 행동을 포착함으로써 인간의 움직임을 모델링하는 접근 방식으로 최근 부상했습니다. 그러나 실제 시나리오에서 의미론적 궤적을 분석하는 것은 고품질 데이터를 수집하는 데 비용이 많이 들고 풍부한 의미론적 정보가 부족한 경우가 많아 여전히 어려운 과제로 남아 있습니다. 한편, 기존의 시뮬레이션 도구들은 상당한 기술적 전문 지식을 요구하여 실무자들이 도입하기 어렵게 만듭니다. 이러한 한계를 해결하기 위해, 본 논문은 LLM 기반 에이전트를 통해 의미론적 궤적 시뮬레이션을 지원하는 대화형 시스템인 ${SenseWalk}$를 제안합니다. 우리는 물리적 타당성(physical plausibility)과 의미론적 일관성(semantic coherence) 사이의 균형을 맞추기 위해 LLM과 사회적 힘 모델(social force model)을 결합한 시뮬레이션 워크플로우를 개발합니다. 사용자가 시뮬레이션 설정을 사용자 정의하고 시뮬레이션 출력을 분석하기 쉽도록 사용자 친화적인 인터페이스를 설계했습니다. 또한, 우리는 시뮬레이션 워크플로우의 효과를 평가하기 위한 정량적 실험과 시스템의 유용성 및 효율성을 평가하기 위한 사용자 연구(n=12)를 수행했습니다.