ROSBag MCP Server: Analyzing Robot Data with LLMs for Agentic Embodied AI Applications
Created by
- Haebom
Category
Empty
저자
Lei Fu, Sahar Salimpour, Leonardo Militano, Harry Edelman, Jorge Pena Queralta, Giovanni Toffetti
개요
Agentic AI 시스템과 Embodied AI 시스템의 교차점, 즉 Agentic Embodied AI 분야의 연구 부족을 해결하기 위해, ROS 및 ROS 2 bag 분석을 위한 MCP 서버를 소개합니다. 이 서버는 LLM 및 VLM을 통해 로봇 데이터를 자연어로 분석, 시각화 및 처리할 수 있도록 지원하며, 모바일 로봇 공학에 특화된 도구를 제공합니다. 여기에는 궤적, 레이저 스캔 데이터, 변환, 시계열 데이터 분석, ROS 2 CLI 도구와의 인터페이스, 토픽 및 시간 기반 필터링 기능 등이 포함됩니다. 또한, 다양한 LLM (Anthropic, OpenAI 등) 및 오픈 소스 모델(Groq)을 사용하여 벤치마킹할 수 있는 경량 UI를 제공합니다. 실험 결과는 8개의 LLM/VLM 모델의 도구 호출 능력 분석을 포함하며, Kimi K2 및 Claude Sonnet 4가 우수한 성능을 보였습니다.
시사점, 한계점
•
Agentic Embodied AI 분야 연구에 기여.
•
ROS 및 ROS 2 bag 분석을 위한 실용적인 도구 제공.
•
다양한 LLM/VLM 모델의 도구 호출 능력 비교 분석.
•
도구 설명 스키마, 인자 수, 사용 가능한 도구 수 등 도구 호출 성공률에 영향을 미치는 요인 파악.
•
•
실험은 모바일 로봇 공학에 초점을 맞추었으며, 다른 로봇 분야로의 확장은 향후 과제.
•
제공된 모델 외 다른 모델에 대한 성능 평가는 추가 연구 필요.
