본 연구는 Dynamic Window Approach(DWA) 알고리즘의 국소 최소값 문제를 다룬다. 선행 환경 지식을 통합하지 않는 기존의 DWA는 U자형 장애물이 있는 환경과 같은 복잡한 시나리오에서 목표 도달 성능이 저하되는 경우가 흔하며, 목표에 도달하더라도 계획 시간이 상대적으로 길 수 있다. 이러한 한계를 극복하기 위해, 우리는 Large Language Models(LLMs)를 통합한 개선된 DWA를 제안한다. LLM의 추론 능력을 활용하여 선행 환경 정보를 해석하고, 적절한 중간 경유지를 생성한다. 2D 격자 환경과 3D 시뮬레이션 플랫폼 모두에서의 실험 결과는 제안된 LLM 기반 하이브리드 방법이 기존 DWA에 비해 U자형 장애물 시나리오에서 더 높은 효율과 더 짧은 목표 도달 시간을 달성함을 보여준다. 이러한 결과는 복잡한 환경에서 내비게이션 성능을 향상시키기 위해 LLM의 추론 능력과 DWA를 결합하는 접근의 효과성을 강조한다. 동영상 시연은 https://youtu.be/Otn53HS4KC4 에서 제공된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.