Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
항공우주 설계의 안전성과 설명 가능성을 위해 LLM 및 VLM 기반의 시각적 코드 완성 코파일럿 시스템을 제안합니다. ReAct 방법론을 활용한 코파일럿과 전용 플러그인 Wingbuilder, 그리고 항공우주 시각적 프로그래밍 데이터셋(AVPD)을 함께 소개합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기최근 대규모 언어 모델 (LLMs)과 시각 언어 모델 (VLMs) 모두에서 시각적 코드 완성 (visual code completion) 능력이 비약적으로 발전했으나, 급격한 LLM 도입보다 안전성과 설명 가능성 (explainability)을 우선시하는 항공우주 산업에서는 현재 항공우주 원제작사 (OEMs)에 의해 상용화되어 공개 발표된 LLM 기반 기하학적 설계 코파일럿 (copilot) 시스템이 없습니다. 본 논문은 ReAct 방법론의 시각적 프로그래밍 변형과 GPT 5.4를 사용하여 항공우주 엔지니어링 설계 작업을 위한 LLM 기반 시각적 프로그래밍 코파일럿 애플리케이션을 제시합니다. 코파일럿 외에도, 항공우주 특화 기하학적 추상화를 위한 커스텀 컴포넌트를 포함한 새로운 Grasshopper 플러그인 라이브러리인 Wingbuilder와, 다양한 난이도 수준에서 18개의 항공우주 전문가 설계 작업 및 정답 (ground truth) 솔루션이 포함된 관련 항공우주 시각적 프로그래밍 데이터셋 (AVPD)을 설명합니다. 우리는 대형 항공기 제조사의 숙련된 항공우주 엔지니어 2명이 참여한 사용자 테스트를 통해 코파일럿 애플리케이션을 평가합니다. 연구 결과, 우리의 코파일럿 시각적 프로그래밍 ReAct 방법론은 참가자들이 유용하다고 느낀 제안을 생성하는 데 성공적이었으나, 느린 ReAct 추론 (inference) 시간이 그 유용성을 제한하여, 좋은 코파일럿 솔루션 제안을 기다릴 가치가 있는 더 복잡하고 시간이 많이 소요되는 작업에만 국한되었습니다. 참가자들은 해당 도구를 좋아하며 향후 사용할 의향이 있다고 보고했습니다.