RoboEgo (FLM-Ego)는 다중 모달 정보를 전이중 방식으로 처리하는 통합 모델 시스템이다. 기존 다중 모달 모델의 한계인 3개 이상의 모달리티 처리 및 빠르게 변화하는 사용자 지시에 대한 전이중 응답 제공 문제를 해결하기 위해 개발되었다. 본 논문에서는 RoboEgo의 백본 아키텍처와 알고리즘을 제시하며, 이를 통해 80ms의 이론적 전이중 지연 시간을 달성하고 실제 환경에서 시각적으로 기반한 대화 스트리밍에서 우수한 응답성과 자연스러운 음성을 유지하면서 최첨단 반이중 다중 모달 모델과 비교할 만한 콘텐츠 품질을 제공함을 보여준다. 기존에는 전이중 시스템으로는 불가능하다고 여겨졌던 성능을 달성한 것이다.
시사점, 한계점
•
시사점:
◦
3개 이상의 모달리티를 효과적으로 처리하는 다중 모달 모델 개발에 기여.
◦
빠르게 변화하는 사용자 지시에 대한 전이중 응답을 가능하게 하는 새로운 아키텍처와 알고리즘 제시.
◦
실제 환경에서 우수한 응답성과 자연스러운 음성, 그리고 높은 콘텐츠 품질을 동시에 달성.
◦
기존 기술의 한계를 뛰어넘는 전이중 다중 모달 모델 개발 가능성 제시.
•
한계점:
◦
논문에서 제시된 80ms의 이론적 전이중 지연 시간이 실제 환경에서 일관되게 유지되는지에 대한 추가적인 검증 필요.