# Zero-Shot Iterative Formalization and Planning in Partially Observable Environments

### 저자

Liancheng Gong, Wang Zhu, Jesse Thomason, Li Zhang

### 개요

본 논문은 계획 문제에서 환경을 PDDL(Planning Domain Definition Language)로 공식화하는 데 대규모 언어 모델(LLM)을 활용하는 방법을 제시합니다. 기존 연구들이 완전 관측 가능한 환경에 초점을 맞춘 것과 달리, 본 논문은 정보가 불완전한 부분 관측 가능 환경이라는 더욱 현실적이고 어려운 문제에 대해 다룹니다.  PDDLego+라는 프레임워크를 제안하는데, 이는 기존 경로 데이터 없이 제로샷 방식으로 PDDL 표현을 반복적으로 공식화, 계획, 확장 및 개선합니다. 두 가지 텍스트 기반 시뮬레이션 환경에서 PDDLego+가 우수한 성능과 문제 복잡성에 대한 강건성을 보임을 실험적으로 보여줍니다. 또한 성공적인 시도 후에 얻은 도메인 지식이 해석 가능하고 향후 작업에 도움이 된다는 것을 보여줍니다.

### 시사점, 한계점

- **시사점:**

    - 부분 관측 가능 환경에서의 계획 문제 해결에 새로운 접근 방식 제시

    - LLM을 활용하여 PDDL을 효과적으로 생성하고 계획 성능 향상

    - 제로샷 학습을 통해 기존 경로 데이터에 대한 의존성 감소

    - 생성된 도메인 지식의 해석 가능성과 재사용 가능성 확인

    - 문제 복잡성에 대한 강건성을 보이는 PDDLego+의 성능 우수성 입증

- **한계점:**

    - 현재는 텍스트 기반 시뮬레이션 환경에서만 평가됨. 실제 환경 적용 가능성에 대한 추가 연구 필요

    - PDDLego+의 확장성 및 다양한 유형의 부분 관측 문제에 대한 일반화 성능 검증 필요

    - 더욱 복잡하고 다양한 환경에서의 성능 평가가 필요

    - 사용된 LLM의 특정 성능에 의존적일 가능성 존재. 다양한 LLM에 대한 성능 비교 분석 필요

[PDF 보기](https://arxiv.org/pdf/2505.13126)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).