본 논문은 다양한 지형에서 비용 효율적인 경로 계획을 위한 새로운 접근 방식인 LLM-Advisor를 제시합니다. LLM(대규모 언어 모델)을 어드바이저로 활용하여 기존 경로 계획 알고리즘(A*, RRT*, LLM-A*)의 경로를 개선합니다. LLM-Advisor는 필요한 경우에만 경로 수정을 제안하며, 실험 결과 A*, RRT*, LLM-A* 알고리즘에서 각각 70.59%, 69.47%, 78.70%의 경로에서 비용 효율성을 향상시키는 것을 확인했습니다. LLM의 환각(hallucination) 문제를 해결하기 위한 두 가지 전략도 제안하며, LLM을 경로 계획 루프에 직접 통합하는 것보다 어드바이저로 활용하는 것이 더 효과적임을 실험적으로 증명합니다. GPT-4o의 제로샷 경로 계획 성능이 저조함을 보여주며, LLM의 공간적 인식 능력의 한계를 지적합니다.
