다중 임무 무인체 제어를 위한 BERT-GPT 하이브리드 동적 라우팅 프레임워크의 Sim-to-Real 전이에 관한 연구

국문 초록 (Abstract)

본 논문에서는 다중 임무 환경에서 자연어로 무인체를 제어하기 위한 BERT-GPT 하이브리드 동적 라우팅 프레임워크를 제안한다. 기존의 무인체 제어 시스템은 ROS, Python 등 전문 프로그래밍에대한 지식을 요구하여 전문가 의존도가 높고, BERT 또는 GPT 단일 언어모델 사용 시 비용과 성능 간의 트레이드오프 문제가 존재하였다.
에에 본 논문에서는 이러한 문제를 해결하기 위해 명령어의 복잡도를 토큰 수, 특수 키워드, 문법 복잡도, 추론 필요도로 정량화하여, 산출된 점수에 따라 BERT 또는 GPT로 동적 라우팅하는 하이브리드 시스템을 설계하였다. 단순 명령은 로컬에서 BERT가 처리하고, 추론이 필요한 명령은 GPT가 처리함으로써 성능과 비용 효율성을 동시에 달성하였다.
시스템은 ROS2 기반 5계층 아키텍처로 구현하였으며, RAG (Retrieval - Augmented Generation) 기반 지식 검색 시스템으로 위치 및 명령 패턴을 검색하여 LLM의 응답 품질을 향상시켰다. 또한 LiDAR, 카메라, 온도 센서, 압력 센서 등 다중 센서 융합 멀티모달 시스템으로 장애물 회피, 화재 감시, 폭발 위험 탐지 등 다양한 임무 수행이 가능하다.
100개 테스트 케이스로 진행한 성능 평가 결과, Hybrid 시스템은 100% 성공률과 87%의 Expected Accuracy를 달성하였으며, GPT 단독(77%)보다 10%p 향상된 결과이다. 또한 전체 명령 중 39%를 BERT로 처리함으로써 GPT 단독 대비 약 61%의 API 비용 절감 효과를 얻었다.
Gazebo 환경에서 6개 시나리오를 검증후, 무인체 Scout으로 실제 환경 실험을 수행하였다. 이를 통해 미션 성공률 100%, 충돌 회피율 100%, 평균 위치 오차 14.9cm의 성능을 달성하여 Sim-to-Real 전이 및 시스템의 실용적 적용 가능성을 검증하였다. 특히 4단계 다중 임무(폭발 위험 감시 → 화재 위험 감시 → 경로 복귀 → 시각 상황 분석)를 자연어로 명령을 전달함으로써 제안 프레임워크가 방위산업 및 민수 분야의 다양한 고위험 환경에서 활용 가능함을 확인하였다.

목차 (Table of Contents)

• 1. 서 론 1
• 1.1. 연구 배경 1
• 1.2. 연구 목표 7
• 2. 선행 연구 및 배경 이론 11
• 2.1. 선행 연구 분석 11
• 2.2. 자연어 처리 기술의 발전 26
• 3. 시스템 설계 및 구현 39
• 3.1. 시스템 개요 39
• 3.2. 5계층 시스템 아키텍처 41
• 3.3. 명령 처리 파이프라인 47
• 3.4. RAG 기반 지식 검색 시스템 57
• 3.5. 실시간 피드백 제어 60
• 3.6. 구현 세부사항 62
• 4. 실험 설계 및 성능 평가 64
• 4.1. 실험 환경 구성 64
• 4.2. 실험 설계 68
• 4.3. LLM 모델 성능 비교 73
• 4.4. 시뮬레이션 환경 무인체 동작 검증 80
• 4.5. 실제 무인체 실험 104
• 5. 결론 122
• 참고문헌 126
• ABSTRACT 139
• 감사의 글 142