본 논문은 로봇이 인간과 공존하기 위해 상식과 affordance에 기반한 동적 상황 이해 및 적절한 행동 선택이 중요함을 강조한다. 기존 AI 시스템은 암묵적인 상식 기반 지식인 affordance 적용에 어려움을 겪지만, 대규모 언어 모델(LLM)은 방대한 인간 지식 처리 능력으로 새로운 가능성을 제시한다. 본 연구는 LLM 출력을 활용한 자동 affordance 획득 방법을 제안한다. LLM을 이용해 텍스트를 생성하고, 형태소 및 의존성 분석을 통해 기호 네트워크로 재구성한 후, 네트워크 거리에 기반하여 affordance를 계산하는 방식이다. '사과'를 예시로 한 실험에서 문맥에 따른 affordance를 높은 설명력으로 추출하는 능력을 보였다. LLM 출력으로부터 재구성된 기호 네트워크가 로봇의 affordance 해석 능력을 향상시켜, 기호화된 데이터와 인간 수준의 상황 이해 간의 간극을 해소할 수 있음을 시사한다.
