Gengze Zhou가 이끄는 연구진은 대규모 언어 모델과 지연 시간이 짧은 로봇 행동 정책을 결합한 런타임 시스템 NavGPT-3를 공개했다. 이 시스템은 추론, 행동, 모니터링을 별도의 스레드로 실행해 로봇이 작업을 빠르게 중단하고 전환할 수 있게 한다. 19.28 million개의 사례로 학습한 8‑billion‑parameter 행동 정책은 R2R‑CE 벤치마크에서 이미 74.5%의 성공률을 기록했다. 전체 시스템을 적용한 NavGPT-3는 이 테스트에서 성공률을 81.5%로 끌어올렸고, RxR‑CE에서는 인간과 대등한 성능을 냈다. 에피소드당 약 1 minute 22 seconds 만에 경로를 완주했다.
왜 중요한가
로봇이 고수준의 언어 추론과 빠른 저수준 제어를 결합할 수 있음을 보여준다. 자율 내비게이션이 속도와 신뢰성 면에서 인간 수준에 가까워지고 있다.
