본 논문은 다중 로봇 시스템(MRS)의 미지의 실내 환경 자율 탐색 및 객체 검색 문제를 해결하기 위해 Large Language Models(LLM)을 활용하는 새로운 프레임워크인 LLM-MCoX (LLM-based Multi-robot Coordinated Exploration and Search)를 제안합니다. 이 프레임워크는 LiDAR 스캔 처리, 전방위 클러스터 추출, 출입구 감지, 그리고 multimodal LLM (예: GPT-4o) 추론을 결합하여 공유 환경 맵 및 로봇 상태를 기반으로 조정된 웨이포인트 할당을 생성합니다. LLM-MCoX는 기존의 탐욕적, 보로노이 기반 계획자보다 우수한 성능을 보여줍니다. 특히 6대의 로봇이 있는 대규모 환경에서 탐색 시간을 22.7% 단축하고 검색 효율성을 50% 향상시켰습니다. 또한, LLM-MCoX는 자연어 기반 객체 검색 기능을 통해 인간 운영자가 전통적인 알고리즘으로는 해석할 수 없는 높은 수준의 의미론적 지침을 제공할 수 있도록 합니다.
