본 논문은 대규모 언어 모델(LLM) 기반의 에이전트 프레임워크인 TrajAgent를 제안합니다. TrajAgent는 다양한 데이터셋과 궤적 모델링 작업에 걸쳐 효율적이고 강력한 궤적 모델링을 자동화하기 위해 설계되었습니다. 통합된 데이터 및 모델 인터페이스를 갖춘 실행 환경인 UniEnv를 개발하여 다양한 모델의 실행 및 훈련을 지원하고, 이를 기반으로 다양한 궤적 작업 및 데이터에 대한 자동 궤적 모델링을 위한 에이전트 기반 워크플로우를 도입합니다. 또한, LLM 기반 에이전트와 소규모 전문 모델 간의 협업 학습 체계를 통해 전체 프레임워크의 성능을 효과적으로 향상시킵니다. 실제 세계 데이터셋 네 개를 사용한 네 가지 작업에 대한 광범위한 실험을 통해 TrajAgent가 자동 궤적 모델링에서 기준 방법보다 2.38%~34.96%의 성능 향상을 달성함을 보여줍니다.
