본 논문은 자율주행 자동차의 완전 자동화 달성, 특히 역동적인 도시 환경에서의 실시간 적응력이 필요한 내비게이션 문제를 다룬다. 기존 시스템은 사전 정의된 지도 정보에 크게 의존하기 때문에 도로 레이아웃의 예측 불가능한 변화, 즉흥적인 우회로 또는 누락된 지도 데이터에 직면했을 때 내비게이션 계획을 처리하는 데 어려움을 겪는다. 이 연구는 비형식적인 내비게이션 지침을 구조화된 논리 기반 추론으로 변환하여 대규모 언어 모델(LLM)을 사용하여 Answer Set Programming(ASP) 규칙을 생성하는 방법을 탐구한다. ASP는 비단조 추론을 제공하여 자율주행 차량이 사전 정의된 지도에 의존하지 않고도 진화하는 시나리오에 적응할 수 있도록 한다. 실험 평가를 통해 LLM이 실제 도시 운전 논리를 형식적인 지식 표현으로 인코딩하는 ASP 제약 조건을 생성하는 것을 보여준다. 비형식적인 내비게이션 지침을 논리적 규칙으로 자동 변환함으로써 이 방법은 자율 내비게이션의 적응성과 설명 가능성을 향상시킨다. 결과는 LLM 기반 ASP 규칙 생성이 의미 기반 의사 결정을 지원하며, 인간이 내비게이션 의도를 전달하는 방식과 밀접하게 일치하는 동적 내비게이션 계획을 위한 설명 가능한 프레임워크를 제공함을 보여준다.
