VLM 가이드를 활용한 자율적 프런티어 기반 탐사

미지의 위험한 환경에 대한 자율 로봇 탐사 (Autonomous robotic exploration)는 오랫동안 지속된 과제이며, 시각-언어 모델 (Vision-Language Models, VLMs)의 고급 추론 능력을 활용함으로써 크게 개선될 수 있습니다. 본 논문에서는 VLM이 상위 수준의 전략적 의사결정을 수행하고, 기존의 하위 수준 로봇 제어 스택 (low-level robotics control stack)을 안내하는 새로운 탐사 파이프라인을 소개합니다. 의사결정 지점에서 로봇은 현재 지도와 잠재적 경로 또는 프런티어 (frontiers)의 시각적 이미지를 포함한 멀티모달 프롬프트 (multimodal prompt)를 생성합니다. VLM은 이 프롬프트를 분석하여 가장 유망한 프런티어를 선택하며, 이를 통해 단순한 기하학적 휴리스틱 (geometric heuristics)을 문맥적 공간 추론 (contextual spatial reasoning)으로 대체합니다. 6개의 실내 환경 시뮬레이션에서 검증된 이 접근 방식은 기존 방법 대비 지도 커버리지 (map coverage)를 최대 24% 향상시킵니다. 우리의 파이프라인은 경량화되어 있고, 별도의 학습이 필요 없으며 (training-free), 표준 센서와 인터넷 연결이 있는 모든 로봇으로 쉽게 전이될 수 있습니다.