본 논문은 물리적 작업 수행 능력이 향상된 임베디드 에이전트가 불분명하고 암묵적인 목표를 가진 낯선 에이전트 및 인간 사용자와 협업해야 하는 실제 환경 적용에 대한 어려움을 다룹니다. 이를 위해, 현실적인 가치 기반 목표 선택 및 의사소통을 보이는 LLM 기반 인간 사용자 에이전트를 통합한 가정 보조 시뮬레이션 환경 HA-Desire를 개발했습니다. 본 논문에서는 사용자의 잠재적 욕구를 추론하고 적응하기 위해 빠른 욕구 정렬을 위한 새로운 프레임워크인 FAMER을 제시합니다. FAMER은 사용자 의도를 식별하고 욕구와 무관한 행동을 걸러내는 욕구 기반 정신적 추론 메커니즘, 불필요한 질문을 줄이는 반성 기반 의사소통 모듈, 정보 재사용을 개선하고 불필요한 탐색을 줄이는 메모리 지속성을 갖춘 목표 관련 정보 추출 기능을 포함합니다. 광범위한 실험을 통해 제시된 프레임워크가 복잡한 임베디드 환경에서 사용자 특정 욕구에 빠르게 적응하여 작업 실행과 의사소통 효율성을 크게 향상시킨다는 것을 보여줍니다.
시사점, 한계점
•
시사점:
◦
LLM 기반의 현실적인 사용자 모델을 통한 임베디드 에이전트의 욕구 이해 및 적응 능력 향상 연구에 기여.
◦
FAMER 프레임워크를 통해 임베디드 에이전트의 작업 실행 및 의사소통 효율성 향상 가능성 제시.
◦
욕구 기반 정신적 추론, 반성 기반 의사소통, 메모리 지속성을 활용한 효과적인 사용자 욕구 정렬 전략 제시.
•
한계점:
◦
HA-Desire 환경의 일반화 가능성 및 실제 환경 적용의 어려움.
◦
LLM 기반 사용자 에이전트의 한계로 인한 사용자 욕구 해석의 정확도 및 일반화 성능의 제한.
◦
실제 환경의 복잡성과 다양성을 완벽히 반영하지 못하는 시뮬레이션 환경의 한계.
◦
FAMER 프레임워크의 확장성 및 다른 유형의 임베디드 에이전트 및 작업에 대한 적용 가능성에 대한 추가 연구 필요.
