본 논문은 의사결정 과정에서 인간의 인지 능력이 다양하고 전문화된 지식원에서 정보를 검색하는 것과 달리, 기존의 RAG(Retrieval-Augmented Generation) 시스템은 일반적으로 단일 소스 지식 검색을 통해 작동하는 점에 주목합니다. 이러한 인지적-알고리즘적 차이를 해소하기 위해, 본 논문에서는 대규모 언어 모델(LLM) 코퍼스를 기능적으로 여러 섹션으로 분할하여 여러 전문 지식 경로에서 검색할 수 있도록 하는, 지식 경로 혼합 강화 검색 메커니즘을 구현한 새로운 다중 소스 RAG 프레임워크인 MoK-RAG를 제안합니다. 3D 시뮬레이션 환경 생성에 적용된 MoK-RAG3D는 3D 자산을 개별 섹션으로 분할하고 계층적 지식 트리 구조를 기반으로 구성함으로써 이러한 패러다임을 향상시킵니다. 기존의 수동 평가만 사용하는 방법과 달리, 본 논문에서는 3D 장면에 대한 자동 평가 방법을 도입했습니다. 실험에서 자동 및 인간 평가 모두 MoK-RAG3D가 구현된 AI 에이전트가 다양한 장면을 생성하는 데 도움이 될 수 있음을 보여줍니다.
