본 논문은 대규모 언어 모델(LLM) 기반 로봇 작업 계획에서 안전성을 확보하기 위한 Graphormer 기반 위험 인식 작업 계획 프레임워크를 제안한다. 기존 방법들이 정적인 안전 제약 조건에 의존하는 것과 달리, 본 연구는 동적 공간-의미적 안전 그래프를 구축하여 실시간 위험 감지 및 작업 수정을 가능하게 한다. 이는 컨텍스트 인식 위험 인지 모듈을 통해 실시간 작업 실행에 따라 안전 예측을 지속적으로 개선함으로써, 보다 유연하고 확장 가능한 로봇 계획 접근 방식을 제공한다. AI2-THOR 환경에서의 실험 결과, 제안된 프레임워크는 기존 방법들보다 위험 감지 정확도, 안전 경고, 작업 적응성이 향상됨을 보여준다.
