본 논문은 무선 성능 제약 조건 하에서의 로봇 경로 계획 문제를 다룬다. 기존 경로 계획 알고리즘에 무선 제약 조건을 단순히 통합하는 것은 계산 비용이 과다하게 증가하는 문제가 있다. 이를 해결하기 위해, 본 논문은 디지털 트윈(DT)의 무선 히트맵 이미지와 광선 추적 데이터를 활용하여 평균 경로 이득과 경로 길이를 공동 최적화하는 무선 인식 경로 계획 프레임워크인 SCoTT를 제안한다. SCoTT는 전략적 사고 과정 태스킹(SCoTT)이라는 새로운 프롬프팅 패러다임을 사용하여, 전체 검색 문제를 구조화된 하위 작업으로 분해하고, 각 하위 작업은 사고 과정 프롬프팅을 통해 해결한다. A* 알고리즘 및 그 무선 인식 확장판과의 비교를 통해 SCoTT의 성능을 평가하고, 모든 경로 이득과 거리 측정값을 DT로부터 통합하는 최적의 반복적 동적 계획 알고리즘인 DP-WA를 도출하여 비교 대상으로 삼는다. 실험 결과, SCoTT는 DP-WA와 2% 이내의 경로 이득을 달성하면서 더 짧은 경로를 생성하는 것을 보여준다. 또한 SCoTT의 중간 출력을 사용하여 DP-WA*의 검색 공간을 줄이고 실행 시간을 최대 62%까지 단축할 수 있다. 네 가지 VLM을 사용하여 실험을 진행하여 크고 작은 모델 모두에서 효과를 입증했으며, Gazebo 시뮬레이션 내에서 ROS 노드로 SCoTT를 배포하여 실용성을 검증했다. 마지막으로 6G 기반 DT에서 VLM의 데이터 획득 파이프라인, 컴퓨팅 요구 사항 및 배포 고려 사항을 논의하고, 실제 응용 분야에서 무선 인식 내비게이션을 위한 자연어 인터페이스의 잠재력을 강조한다.
