본 논문은 화재 예방 및 진압에 있어 로봇 활용의 효율성을 높이기 위한 새로운 프레임워크인 Insights-on-Graph (IOG)를 제안한다. IOG는 대규모 언어 모델(LLM)과 대규모 다중 모달 모델(LMM)을 활용하여 화재 예방 지침 및 로봇 응급 대응 문서에서 추출한 지식을 기반으로 지식 그래프(KG)를 구축한다. 이 KG와 LMM을 통합하여 실시간 영상으로부터 위험 그래프를 생성하고, 이를 통해 조기 화재 위험 감지 및 상황 변화에 따른 해석 가능한 응급 대응(작업 모듈 및 로봇 구성 요소 설정)을 제공한다. 모의실험과 실제 실험을 통해 IOG의 실용성과 적용 가능성을 검증하였다.
시사점, 한계점
•
시사점:
◦
LLM과 LMM을 활용한 지식 그래프 기반의 화재 위험 감지 및 대응 시스템 구축 가능성 제시.
◦
실시간 영상 분석을 통한 조기 화재 위험 감지 및 해석 가능한 응급 대응 전략 제공.
◦
로봇의 작업 모듈 및 구성 요소를 상황에 맞게 동적으로 구성할 수 있는 프레임워크 제공.
◦
화재 예방 및 진압 분야에서 로봇 활용의 효율성 향상에 기여.
•
한계점:
◦
제시된 프레임워크의 실제 대규모 화재 현장 적용에 대한 검증 필요.
◦
다양한 유형의 화재 및 환경에 대한 일반화 성능 평가 필요.
◦
LLM과 LMM의 한계(예: 편향된 데이터, 잘못된 정보 생성)가 IOG의 성능에 미치는 영향에 대한 추가 연구 필요.
