본 연구는 대규모 언어 모델(LLM)을 활용하여 사람이 개입하는 상호작용적인 방식으로 모바일 구현 에이전트(예: 로봇)의 경로 계획을 지원하는 방법에 초점을 맞춥니다. LLM A라는 새로운 프레임워크를 제시하며, 이는 LLM의 상식적 지식과 효용 최적 A 알고리즘을 활용하여 소수의 예시만으로도 거의 최적의 경로 계획을 가능하게 합니다. 프롬프트는 환경, 비용, 휴리스틱 등의 필수 정보를 LLM에 제공하고, 중간 계획 결과에 대한 사람의 피드백을 LLM에 전달하는 두 가지 주요 목적으로 사용됩니다. 이 접근 방식은 사람의 피드백을 반영하고 전체 계획 프로세스를 사람들에게 투명하게( '화이트 박스' 와 유사하게) 보여줍니다. 또한 코드 없는 경로 계획을 가능하게 하여 코딩에 능숙하지 않은 사람들에게도 인공지능 기술의 접근성과 포용성을 높입니다. A와 강화 학습(RL)과의 비교 분석 결과, LLM A는 검색 공간 측면에서 더 높은 효율성을 보이며 A와 비슷한 경로를 생성하는 동시에 RL보다 성능이 뛰어납니다. LLM A의 상호 작용적인 특성은 인간-로봇 협업 작업에 배치될 수 있는 유망한 도구임을 시사합니다. 코드와 보충 자료는 GitHub(https://github.com/speedhawk/LLM-A-)에서 확인할 수 있습니다.
