본 연구는 스마트 물류 환경에서 로봇의 고급 경로 최적화를 위해 Transformer 아키텍처, 그래프 신경망(GNN), 그리고 생성적 적대 신경망(GAN)을 결합한 방법을 제시합니다. 지리적 데이터, 화물 배분, 로봇 동역학을 포함하는 그래프 기반 표현을 사용하여 공간적 및 자원적 제약을 고려하여 경로 효율성을 개선합니다. 실제 물류 데이터 세트를 사용한 광범위한 테스트를 통해 제안된 방법은 이동 거리 15% 감소, 시간 효율성 20% 증가, 에너지 소비량 10% 감소 등의 눈에 띄는 개선을 달성했습니다. 이러한 결과는 지능형 물류 운영에서 성능 향상을 위한 알고리즘의 효과를 강조합니다.
