본 논문은 기존의 경로 계획 알고리즘(RRT, A-star 등)이나 인간 시범 학습으로 생성된 로봇 경로를, 인간의 언어 명령에 따라 유연하게 수정하는 프레임워크를 제안합니다. 사전 훈련된 거대 언어 모델(LLM)을 활용하여, 코드 생성을 정책으로 삼아 로봇 경로의 웨이포인트를 수정함으로써 기존 방법보다 복잡하고 유연한 명령을 처리할 수 있도록 합니다. 이 방법은 수치 입력을 포함한 광범위한 명령을 처리하며, 작업 특화 훈련이 필요 없는 장점과 더불어 해석력과 효과적인 피드백 메커니즘을 제공합니다. Pybullet 및 Gazebo 시뮬레이션 환경에서 로봇 매니퓰레이터, 무인 항공기, 지상 로봇에 대한 시뮬레이션 실험을 통해 LLM이 복잡한 인간의 지시에 따라 경로를 성공적으로 수정할 수 있음을 보여줍니다.
