BiPOP, 양팔 작업의 순서와 병렬 실행을 기호 계획으로 조율
프리프린트 BiPOP은 GPT-4.1에 시간 기반 기호 계획기를 결합해 긴 양팔 작업의 배분과 실행 순서를 결정했다. 시뮬레이션에서 ServeFruit, ServeWater, StackBlock 성공률은 각각 100%, 100%, 95%로, 양팔 제약을 명시적으로 검사하는 방식의 효과를 보였다. NICOL에서는 ServeWater 전체 과정을 실기로 시연했으나 실물 로봇 성공률은 논문에 보고되지 않았다.
LLM과 시간 기반 기호 계획기를 결합하면 긴 양팔 조작 작업에서 행동 배분, 선후 관계, 병렬 실행을 신뢰성 있게 결정할 수 있는가?
양팔은 도달 범위뿐 아니라 물체와 위치의 점유 상태, 다른 팔이 먼저 수행해야 하는 행동, 동시 동작 조건을 함께 고려해야 한다. 개별 행동이 타당해도 전체 순서에서는 충돌이나 막힘이 생길 수 있다. LLM이 행동을 직접 계획하면 특히 병렬 실행을 시도하는 과정에서 이런 제약을 놓친다.
SayCan, Code as Policies, VoxPoser는 언어를 기술이나 동작에 연결하지만 같은 수준의 장기 양팔 조율 문제를 해결하지는 않는다. LLM+P 계열은 언어를 기호 문제로 바꾸되 대체로 순차 실행을 다룬다. DAG-Plan과 RoboPARA는 의존 관계 그래프로 병렬성을 활용하지만 조율을 휴리스틱이나 제한된 검사에 의존한다. LLM+MAP은 부분 순서 계획을 만들지만 동일한 시간 기반 전체 완료 길이 최적화 목표를 두지는 않았다.
연구진은 왼팔 전용, 오른팔 전용, 양팔 공통 영역을 반영한 시간 기반 PDDL 도메인을 수작업으로 정의했다. 행동의 선행 조건과 자원 잠금으로 팔의 접근 가능성, 물체 사용, 동기화 기술을 제약했다. GPT-4.1은 Unified-Planning을 사용하는 Python 코드를 생성해 장면과 목표를 기술하며, 실행 오류나 계획 실패를 받으면 명세를 수정한다. Temporal Fast Downward가 후보 일정을 탐색하고 VAL이 유효성을 검사한 뒤, 발견한 유효 후보 중 기호적 완료 길이가 가장 짧은 계획을 선택한다. 물체 검출에는 LocateAnything을 사용했다.
CoppeliaSim에서 과제별 무작위 사례 100개를 평가했다. ServeFruit/ServeWater/StackBlock 순으로 성공률은 BiPOP 100/100/95%, I/O o3 98/87/86%, I/O R1 66/82/52%, I/O GPT-4.1 25/0/0%, ReAct GPT-4.1 100/45/36%였다. BiPOP은 o3보다 각각 2/13/9%포인트 높았다. 같은 순서의 계획 시간은 BiPOP 6.56 ±1.49 / 5.95 ±1.83 / 35.56 ±9.02초, o3 32.74 ±15.39 / 43.76 ±34.86 / 73.20 ±37.85초, ReAct 16.56 ±5.47 / 24.74 ±9.70 / 42.46 ±22.60초였다. I/O GPT-4.1은 3.42 ±0.47 / 2.31 ±0.95 / 4.59 ±2.04초로 더 빨랐지만 성공률은 크게 낮았다. 별도로 실제 영상 100개씩을 과제별로 평가했으며 ServeFruit와 ServeWater에서는 관련 물체를 모두 정확히 찾았다. StackBlock에서는 트레이와 쌓인 블록의 위치 검출 오류가 나타났다. NICOL 실기 실행은 ServeWater를 시연했으며, 실기 시험 횟수와 성공률은 논문에 보고되지 않았다.
정량적인 작업 성공률 비교는 시뮬레이션 결과이며 실기 실행은 단일 플랫폼의 한 과제에 한정됐다. 도메인과 기본 동작 기술을 수작업으로 준비해야 한다. 모든 행동의 시간을 동일하게 두므로 효율 지표는 실제 소요 시간이 아니라 병렬 실행 단계 수이다. 최적성 격차의 기준도 증명된 최적해가 아니라 비교 방법들이 발견한 최선의 계획이다. 기호적 검증만으로 궤적의 무충돌을 보장하지 않으며 동작 계층에서 순차 실행으로 바꿀 수 있다. StackBlock에서는 명세 오류와 계획 시간 초과가 남았다. 실행 감시, 실패 복구, 동작 시간 추정의 반영은 향후 과제이다. 구현 코드는 공개됐다.
양팔 서비스 로봇 개발사와 조작 소프트웨어 공급사는 신뢰할 수 있는 기본 기술과 한정된 작업 목록을 갖춘 경우 지금 연구용 계획 계층으로 활용할 수 있다. 제품 적용에는 장면 인식의 안정성, 기하학적 동작 검사, 실행 감시와 복구, 실제 기술 수행 시간을 반영한 일정 수립이 필요하다. 상용 도입 시점은 논문에 보고되지 않았다.
논문 전문
CC BY 4.0 라이선스로 공개된 논문으로, 전문은 출처를 밝혀 영어로 전재했습니다: 전문 보기(영어). 원문은 arXiv:2611.15317(PDF)에서 볼 수 있습니다.