체화 지능을 위한 뉴럴-심볼릭 지속 추론과 계획 연구

Neuro-symbolic Continual Reasoning and Planning for Embodied Intelligence

연구 내용

대규모 언어모델과 심볼 도구를 결합해 열린 환경에서 지속적으로 행동 가능 지식을 갱신하고 계획을 수행하는 연구

본 연구는 체화된 에이전트가 열린 환경에서 제한된 경험을 넘어 일반화 가능한 지식을 구성하도록 뉴럴-심볼릭 접근을 적용합니다. NeSyC에서는 LLM과 symbolic tools를 함께 사용해 가설을 생성하고 대조 검증으로 허용 가능한 행동을 강화하며, 메모리 기반 모니터링으로 행동 오류를 탐지해 지식 정제를 유도합니다. NeSyPr에서는 심볼 계획을 절차적 표현으로 컴파일하여 외부 플래너 없이도 추론을 수행하도록 구성합니다. 또한 ExRAP에서는 환경 맥락 메모리와 탐색을 결합하고 retrieval-augmented planning으로 시간 변화에 견딜 수 있는 instruction following을 달성하며, SIL-C에서는 증분 스킬이 기존 정책과 호환되도록 매핑을 설계합니다.

관련 프로젝트

3건

연구 흐름

초기에는 2025년에 열린 도메인에서 체화 작업을 수행하는 에이전트를 목표로, 뉴럴-심볼릭 지속학습 구조인 NeSyC를 제안하고 일반화 및 행동 오류 감지-정제 흐름을 구성했습니다. 이어서 외부 심볼 도구 의존을 줄이기 위해 2025년에는 NeSyPr에서 지식의 neurosymbolic proceduralization을 수행하는 방향으로 연구를 확장했습니다. 동시에 2025년에는 환경 맥락 메모리와 탐색을 결합한 ExRAP로 continual instruction following의 비정상성을 다루었습니다. 이후 증분 스킬이 정책 재학습 없이 호환되도록 SIL-C를 연계하며, 지속 메타 학습과 반응형 스킬 디퓨전 프로젝트로 확장하는 흐름을 보였습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

뉴럴-심볼릭 지속학습
행동 가능성 대조 검증
가설 생성 기반 지식 갱신
메모리 기반 행동 오류 탐지
추론 절차화 컴파일레이션
지연·연결 제약 추론
환경 맥락 기반 계획
검색 증강 실행
증분 스킬 정책 호환
멀티모달 스킬 전이