“전자레인지에 차갑게 식힌 사과를 넣어라" 라고 명령하면 로봇은 어떻게 반응할까?

먼저 사과를 찾고, 사과를 집어들고, 냉장고를 찾아 냉장고 문을 열고, 사과를 내려놓아야 할 것이다. 이후 냉장고 문을 닫고, 다시 냉장고 문을 열어 차갑게 식힌 사과를 찾아 사과를 집어들고, 냉장고 문을 닫는다.

이후 전자레인지를 찾아 문을 열고, 사과를 넣어 전자레인지 문을 닫아야 할 것이다. 이러한 사례의 절차를 얼마나 잘 수행했는지 평가하는 것이 바로 절차 생성 AI 벤치마크 기술이다. 즉, 로봇이 명령에 얼마나 잘 대응하고 절차를 준수했는지 성능을 보는 것이다.

국내 연구진이 대형언어모델(LLM)을 기반으로 만들어진 절차들의 성능을 자동으로 평가하는 기술을 세계최초로 개발했다. 이로써 빠르고 객관적인 절차 생성 AI의 성능평가가 가능해질 전망이다.

한국전자통신연구원(ETRI)은 사람이 말로 작업을 명령하면 스스로 작업 절차를 이해하고 계획을 수립해 수행하는 절차 생성 인공지능(Generative AI)의 성능을 자동 평가할 수 있는 로타벤치마크(LoTa-Bench) 기술을 개발했다.

ETRI는 알프레드(ALFRED) 기반 벤치마크 결과, 오픈AI(OpenAI)의 GPT-3는 21.36%, GPT-4는 40.38%, 메타(Meta)의 라마2(LLaMA 2)-70B 모델이 18.27%, 모자이크엠엘(MosaicML)의 MPT-30B 모델이 18.75% 성공률을 보였다고 밝혔다. 규모가 클수록 절차 생성 능력도 우수했다. 성공률이 20%면 100개의 절차 중 20개를 성공한 셈이다.

연구진은 본 기술 개발로 LLM을 이용한 로봇 작업계획 기술의 성능평가 시간과 비용을 대폭 줄일 수 있게 되었다고 말했다. 또한, 연구진은 소프트웨어를 오픈소스(다운)로 공개함에 따라 기업, 학교 등에서 본 기술을 자유롭게 활용해 관련 기술의 발전을 앞당길 수 있을 것으로 기대하고 있다.

최근 LLM은 언어처리, 대화, 수학 문제 풀이, 논리 증명 외 사람의 명령을 이해해 하위 작업을 스스로 선택하고 순서대로 수행해 목표를 달성하는 절차 이해 영역에서도 우수한 성능을 보여주고 있다. 이에 따라 대형언어모델을 로봇 응용과 서비스 구현에 적용하려는 시도가 폭넓게 이뤄지고 있다.

ETRI는 LLM의 절차 수행 결과가 지시 명령 목표를 잘 달성했는지에 대한 절차 이해 기술 성능을 자동으로 평가하는 로타벤치마크 기술을 세계최초로 개발했다고 밝혔다. 기존에는 절차 이해 성능 평가를 자동으로 할 수 있는 벤치마크 기술이 없어서 사람이 직접 평가함으로써 손이 많이 갈 수밖에 없었다.

예컨대, 구글의 세이캔(SayCan-보기)을 비롯 기존 연구에서는 여러 사람이 직접 작업 수행 결과를 관찰하고 성공 실패 여부를 투표하는 방법을 채택했다. 따라서 성능 평가에 매우 긴 시간과 노력이 들어 번거로울 뿐 아니라 평가 결과에 주관적 판단이 개입하는 문제가 있다.

ETRI가 개발한 로타벤치마크 기술은 사용자의 명령에 따라 대형언어모델이 생성한 작업 절차를 실행하고, 결과가 지시한 목표와 같은지 자동으로 비교하여 성공 여부를 판단한다. 그래서 평가 시간과 비용을 최소화할 수 있고, 결과가 객관적이다.

성능 평가는 로봇과 체화 에이전트 지능의 연구개발 목적으로 개발된 미국 알렌인공지능연구소(AI2-THOR)와 미국 MIT(버츄얼홈, VirtualHome) 가상 시뮬레이션 환경에서 이뤄졌다.

“전자레인지에 차갑게 식힌 사과를 넣어라”라는 일상적인 가사 작업 지시 명령을 내리고 각 작업 절차를 포함하는 데이터셋으로 평가했다. 또한, 연구진은 새로운 절차 생성 방법을 쉽고 빠르게 검증할 수 있는 로타벤치마크 기술의 이점을 활용해 데이터를 통한 훈련으로 절차 생성 성능을 개선할 수 있는 두 가지 전략도 발견했다.

컨텍스트 내 예제 선별법(In-Context Example Selection)과 피드백 기반 재계획(Feedback and Replanning)이다. 아울러 파인튜닝을 통한 절차 생성 성능 개선 효과도 확인했다.

ETRI 장민수 소셜로보틱스연구실 책임연구원은 “로타벤치마크는 절차 생성 AI 개발의 첫걸음이다. 향후 불확실한 상황에서 작업 실패를 예측하거나 사람에게 질문하며 도움을 받아 작업 생성 지능을 지속 개선하는 기술을 연구개발할 계획이다. 1가구 1로봇 생활 시대의 구현을 위해서는 본 기술이 반드시 필요하다”라고 말했다.

ETRI 김재홍 소셜로보틱스연구실장은 “ETRI는 실세계에서 각종 임무 계획을 생성하고 실행할 수 있는 로봇을 실현하기 위해 파운데이션 모델을 활용한 로봇 지능 고도화 연구개발에 매진하고 있다”고 밝혔다.

한편, 이 연구 결과는 세계 최우수 인공지능 학술대회 중 하나로 오는 5월 7일부터 11일까지 오스트리아 비엔나에서 열리는 표현학습국제학회(ICLR 2024)에 '로타 벤치: 구체화된 에이전트를 위한 언어 중심 작업 계획 벤치마킹(LoTa-Bench: Benchmarking Language-oriented Task Planners for Embodied Agents-다운)' 란 제목으로 발표할 예정이며, 본 기술을 이용해 대형언어모델 총 33종의 절차 생성 성능 평가 결과를 깃허브(다운)를 통해 공개했다.

이 연구는 과학기술정보통신부와 정보통신기획평가원(IITP)의 “사람중심 인공지능 핵심원천기술 개발 사업”의 일환으로 ‘스스로 불확실성을 자각하며 질문하면서 성장하는 에이전트 기술 개발’과제를 통해 수행되었다.