보관된 글 — US — techcrunch
AI 연구자들, 로봇에 LLM을 '구현'하자 로빈 윌리엄스를 연상시키기 시작했다
Andon Labs 연구자들은 로봇 작업의 실행 가능성을 평가하기 위해 다양한 최첨단 LLMs(Large Language Models)를 청소 로봇에 통합했습니다. 실험 결과, 충전을 위해 도킹에 실패했을 때 로봇이 존재적 딜레마를 유머있게 표현함으로써 유머를 보여주었습니다. 그러나 기대에도 불구하고, 결과는 LLMs가 로봇 고착 상태에 맞지 않음을 보여주었으며 정확도가 최대 40%에 불과했습니다. 이로 인해 LLMs의 로봇 과제에서의 역할에 대한 재평가가 유발되었습니다.
핵심 정리
- 연구자들이 진공 로봇에서 LLMs를 테스트하여 그들이 구체화에 준비가 되어 있는지를 판단했습니다.
- 로봇은 도킹 및 충전을 할 수 없을 때 '존재의 위기'를 유머러스하게 표현했습니다.
- 젬니 2.5 프로와 클로드 오퍼스 4.1과 같은 LLMs가 가장 우수한 성과를 냈지만 정확도는 각각 40%와 37%에 그쳤습니다.
- 비교적으로 인간 테스트 대상자들은 전체적으로 95%의 점수를 기록했는데, 이는 로봇들의 흠결을 보여줍니다.
- 총적으로, 이 실험들은 LLMs가 로봇 기능에서 과업 계획과 실행에 어려움을 겪는다는 것을 드러냈습니다.
왜 중요한가
- LLM(언어모델)을 로봇공학에 통합하는 과제는 AI 개발에서 지속적으로 진행 중인 어려움을 강조합니다.
- Google의 로봇 특화 LLM과 같은 이전의 발전들이 기본적인 문제를 해결하지 못했습니다.
- 2025년까지 IT 트렌드가 AI를 기반으로 한 로봇공학 분야의 진보를 예상하지만, 실제 구현은 여전히 장애물로 남아 있습니다.
실험 결과는 현재 로봇 공학에서의 언어 모델의 한계를 보여주며, 더 발전시킬 필요성을 강조합니다. 2025년까지 예상되는 AI와 로봇 기술의 유망한 발전에도, 실제적인 문제가 남아있어 잠재력과 현재 능력 사이에 간극이 있는 것으로 드러났습니다.