본 논문은 항공교통관제(ATC) 훈련 시나리오 생성의 어려움을 해결하기 위해 대규모 언어 모델(LLM)을 활용한 새로운 엔드투엔드 방식인 AirTrafficGen을 제시합니다. AirTrafficGen은 그래프 기반 표현을 사용하여 항공 교통 상황(영공 기하학, 경로, 고정점 등)을 LLM이 처리할 수 있는 형식으로 인코딩합니다. Gemini 2.5 Pro 및 OpenAI o3과 같은 최첨단 모델을 사용하여 실제 운영 환경을 유지하면서 높은 교통량 시나리오를 생성할 수 있음을 보여주는 엄격한 벤치마킹을 수행했습니다. 또한, 엔지니어링된 프롬프팅을 통해 상호 작용의 존재, 유형 및 위치를 세밀하게 제어할 수 있습니다. 간단한 텍스트 피드백을 기반으로 잘못된 시나리오를 수정하는 반복적인 개선도 가능함을 초기 결과가 시사합니다. 이 접근 방식은 수동 시나리오 설계에 대한 확장 가능한 대안을 제공하여 ATC 훈련 및 검증 시뮬레이션의 양과 다양성에 대한 요구를 충족합니다. 더 넓게는, 이 연구는 안전 중요 영역에서 복잡한 계획에 대한 LLM의 잠재력을 보여줍니다.
