본 논문은 로봇 작업 계획에서 대규모 언어 모델(LLM)의 정확성 문제를 해결하기 위해 역 프롬프팅(Inverse Prompting) 기반의 새로운 자기 수정 방식인 InversePrompt를 제안합니다. InversePrompt는 LLM이 생성한 행동 순서에 대한 역행동을 생성하여 시스템을 원래 상태로 복원할 수 있는지 검증함으로써 계획의 논리적 일관성을 명시적으로 검증합니다. 이를 통해 기존의 자기 수정 방식보다 더 높은 성공률을 달성하며, 실제 환경에서 더 명확한 피드백 근거를 제공합니다. 벤치마크 데이터셋 결과, 기존 LLM 기반 작업 계획 방법보다 평균 16.3% 높은 성공률을 보였습니다.
