연구진은 이동 로봇이 복잡한 공간에서 장애물을 어떻게 처리할지 판단해 길을 찾도록 돕는 프레임워크 MessyNav를 공개했다. 이미지와 텍스트를 해석하는 비전·언어 모델을 사용해 물체를 살펴본 뒤, 옆으로 밀어내거나 집어 들거나 피할지 결정한다.
실제 로봇 시험에서 연구진은 가장 성능이 뛰어난 기준 모델보다 성공률이 27%포인트 높아졌다고 밝혔다. 또 특정 과제에 맞춘 훈련 없이 진행한 대규모 오프라인 평가에서도 통계적으로 유의미한 성능 향상을 확인했다고 보고했다.
왜 중요한가
가정이나 복잡한 공간에서 작동하는 로봇을 개발하는 팀은 MessyNav를 활용해 과제별 훈련 없이 물체를 옮길지 피할지 선택할 수 있다. 다만 초록만으로는 보고된 평가 외의 환경에서도 성능이 어떨지 알 수 없다.
