본 논문은 이기종 다중 로봇 제어를 위한 계층적 프레임워크인 EmbodiedAgent를 제시한다. EmbodiedAgent는 비현실적인 작업에서의 환각 문제를 해결하기 위해 다음 동작 예측 패러다임과 구조화된 메모리 시스템을 통합하여 작업을 실행 가능한 로봇 기술로 분해하고 환경적 제약 조건에 따라 동적으로 동작을 검증한다. 100개 시나리오에 걸쳐 18,000개 이상의 주석이 달린 계획 인스턴스를 포함하는 MultiPlan+ 데이터셋을 제시하며, 환각을 완화하기 위해 비현실적인 경우의 하위 집합도 포함한다. 성능 평가를 위해 자동화된 지표와 LLM 지원 전문가 채점을 결합한 Robot Planning Assessment Schema (RPAS)를 제안한다. 실험 결과, EmbodiedAgent는 최첨단 모델보다 우수하며 71.85%의 RPAS 점수를 달성한다. 사무실 서비스 작업에서의 실제 세계 검증은 장기 목표를 위한 이기종 로봇의 조정 능력을 강조한다.
