본 논문은 실내 내비게이션의 어려움(복잡한 구조, GPS 신호 부재, 접근성 문제)을 해결하기 위해 대규모 언어 모델(LLM)인 ChatGPT를 활용하는 방법을 탐구한다. 실제 환경에서 다양한 테스트 케이스를 설계하고 평가하여 LLM이 공간 배치 해석, 사용자 제약 조건 처리, 효율적인 경로 계획에서 얼마나 효과적인지 분석한다. 실험 결과, LLM이 개인 맞춤형 실내 내비게이션을 지원할 가능성을 보여주며, 평균 50.54%의 정확도(최대 77.78%)를 달성했다. 성능은 구조 또는 경로의 복잡성보다는 관심 지점의 수와 시각 정보의 풍부함에 더 큰 영향을 받는 것으로 나타났다. 시각 정보가 많을수록 성능이 저하되는 경향을 보였다.
