본 논문은 대규모 언어 모델(LLM) 기반 로봇 작업 계획에서 모호한 언어 표현(REs)이 미치는 영향을 연구하고, 이를 해결하기 위한 새로운 벤치마크와 접근법을 제시합니다. 실제 사용자의 지시는 종종 모호성을 포함하고 있으며, 특히 노인이나 어린이에게 더욱 두드러집니다. 논문은 모호한 REs를 포함하는 새로운 로봇 작업 계획 벤치마크(REI-Bench)를 제안하고, 이를 통해 모호성이 로봇 계획 성능을 최대 77.9%까지 저하시킬 수 있음을 보여줍니다. 성공률 저하의 주요 원인은 계획자의 객체 누락임을 확인하고, 이 문제를 해결하기 위해 작업 지향적 맥락 인지(task-oriented context cognition)라는 간단하면서도 효과적인 접근 방식을 제시합니다. 이 접근 방식은 로봇을 위한 명확한 지시를 생성하여 기존 방법보다 우수한 성능을 달성합니다.
