기술 요약: G-DRAGON

문제 정의

대규모 실외 환경에서 작동하는 자율 지상 로봇은 복잡한 지형에 걸친 견고한 장거리 항법을 수행하고, 특정 개방 어휘 대상을 찾기 위한 세밀한 '마지막 1 마일' 탐사를 수행하는 이중적인 도전에 직면해 있습니다. 기존 시각 - 언어 항법 (VLN) 및 시각 - 언어 - 행동 (VLA) 방법은 짧은 시간 범위의 작업에서는 탁월하지만 지리적 공간 기반 (geospatial grounding) 이 부족하여, 시각적 드리프트와 신뢰할 수 있는 전역 계획 생성의 부재로 인해 장거리 임무에서 실패합니다. 반면, OpenStreetMap(OSM) 기반 접근 방식은 종종 클라우드 기반 대규모 언어 모델 (LLM) 에 의존하는데, 이는 높은 지연 시간을 초래하고 사실적 환각의 위험을 내포하며 완전한 오프라인 작동을 방해합니다. 더 나아가, 현재의 '마지막 1 마일' 탐사 방법은 동적인 실외 환경에서 온보드 엣지 장치의 계산 제약과 개방 어휘 의미 검색 사이의 간극을 연결하는 데 어려움을 겪고 있습니다.

방법론

저자들은 G-DRAGON(검색 증강 실외 항법을 위한 지리적 공간 추론 및 동적 계획) 을 제안합니다. 이는 완전한 오프라인 능력을 유지하면서 고수준 추론과 저수준 제어를 분리하도록 설계된 통합 프레임워크입니다. 이 시스템은 세 가지 핵심 모듈로 구성됩니다:

1. GeoQA 모듈 (지리적 공간 질문 답변)

이 모듈은 자연어 명령을 정밀한 지리 좌표로 기반화 (grounding) 하는 문제를 해결합니다.

• 생성적 검색 (Generative Retrieval): 밀집 검색기나 제약 없는 생성에 의존하는 대신, 시스템은 로컬에 배포된 LLM 을 사용하는 '제로샷 생성적 검색' 프레임워크를 채택합니다.
• 계층적 ID 구성: 각 OSM 엔티티는 모호성을 줄이기 위해 고유하고 차별적인 자연어 ID(예: "교육 구역 - 건물 A") 를 부여받습니다.
• 제약 디코딩: 검색 과정은 두 단계 접근법을 사용합니다:
  1. 생각의 사슬 (Chain-of-Thought, CoT): LLM 이 중간 의미 단서 (카테고리, 수식어) 를 추출하여 후보 집합을 축소합니다.
  2. Trie-제약 빔 검색 (Trie-Constrained Beam Search): 유효한 엔티티 ID 의 접두사 트리 (Trie) 가 디코더를 제약하여 생성된 출력이 기존 OSM 엔티티에 엄격히 대응하도록 보장함으로써 환각을 제거하고 하류 계획에 유효한 좌표를 보장합니다.

2. RAPPER 모듈 (프로그래밍 가능 및 실행 가능한 추론을 갖춘 검색 증강 계획기)

RAPPER 는 로컬에 배포된 Qwen2.5-14B LLM 을 기반으로 구축된 중앙 추론 오케스트레이터 역할을 합니다.

• 작업 파싱: 자연어 지시를 논리적 하위 작업 시퀀스 (항법 및 탐사) 로 파싱합니다.
• 행동 트리 (BT) 합성: LLM 은 단일 샷으로 계층적 행동 트리를 동적으로 구성하여 하위 작업을 미리 정의된 기술 풀 (예: GlobalPlanning, FollowPath, Explore) 에 매핑합니다. 출력은 로봇 실행 가능 논리를 보장하기 위해 구조화된 XML 형식으로 포맷팅됩니다.
• 전역 경로 생성: 항법 작업의 경우, RAPPER 는 GeoQA 에 좌표를 요청하고 로봇의 위치를 목표 다각형의 윤곽선에 투영한 후, 로컬 라우팅 엔진 (OSRM) 을 사용하여 전역 위상 경로를 생성합니다.
• 동적 모니터링: 시스템은 로봇의 상태를 지속적으로 모니터링합니다. 실행이 멈추는 경우 (예: 장애로 인해), BT 구조가 인간의 개입 없이 경로 검색을 재개동하는 복구 메커니즘을 트리거합니다.

3. NæVIS 모듈 (항법 및 탐사 시스템)

NæVIS 는 장거리 항법 수행과 '마지막 1 마일' 탐사로의 전환을 처리합니다.

• 전역 - 로컬 정렬: 동적 초기화 기동과 회전 행렬 변환을 사용하여 전역 지리 좌표와 로봇의 로컬 오도메트리 사이의 도메인 간극을 연결합니다.
• 곡률 적응 샘플링: 전역 경로는 비균일하게 샘플링됩니다. 고곡률 교차점에서는 정밀 샘플링 (3m) 이 사용되고, 직선 구간에서는 계산 부하를 줄이기 위해 거친 샘플링 (20m) 이 사용됩니다.
• 마지막 1 마일 탐사: 목표 부근에 도달하면 시스템은 프론티어 기반 탐사 모드로 전환합니다.
  • 의미 볼륨 매핑: RGB-D, LiDAR, IMU 데이터를 융합하여 오픈 세트 의미 볼륨 맵을 구축합니다.
  • 개방 어휘 검색: 이미지 인코더가 볼륨 맵에서 실시간 쿼리 조건부 의미 분할을 수행합니다.
  • 목표 위치 확인: 의미 유사성 임계값을 초과하는 볼륨은 DBSCAN 으로 클러스터링되며, 우세한 클러스터의 중심점은 최종 항법 목표로 지면 평면에 투영됩니다.

주요 기여

1. 전역 경로 생성용 GeoQA: 자연어 명령을 OSM 엔티티와 정렬하고 제약 디코딩을 통해 환각을 방지하면서 정밀한 좌표를 출력하는 생성적 검색 기반 지리적 공간 QA 모듈 설계.
2. RAPPER: 로컬에 배포된 LLM 을 활용하여 작업을 파싱하고 GeoQA 를 쿼리하며 실행 가능한 행동 트리를 합성하여 안전하고 오프라인 작업 계획을 보장하는 계층적 계획기.
3. NæVIS: 프론티어 기반 항법과 오픈 세트 의미 볼륨 매핑을 결합하여 실외 환경에서 개방 어휘 대상을 견고하게 위치 확인하는 장거리 항법과 '마지막 1 마일' 탐사의 원활한 통합.

실험 결과

이 프레임워크는 시뮬레이션 (NVIDIA Isaac Sim) 과 Agilex Scout Mini UGV 에 대한 실제 세계 배포에서 평가되었습니다.

• 지리적 공간 추론: 5,000 개의 쿼리 데이터셋에서 GeoQA 는 Easy 기준 Recall@1 97.6%, Hard 기준 **74.8%**를 달성하여 로컬 베이스라인 (BM25, DPR, Vanilla Qwen2.5) 을 능가했으며, 오프라인 시나리오에서 클라우드 기반 GPT-4o 보다 우수한 신뢰성을 입증했습니다.
• 시뮬레이션 성능:
  • 장거리 항법: G-DRAGON 은 작업 1(건물 항법) 에서 300m 에서 **100% 성공률 (SR)**을, 800m 에서 95.56% SR을 달성하여 베이스라인 NoMaD(800m 에서 0% SR) 와 OPEN(800m 에서 26.67% SR) 을 크게 능가했습니다.
  • 마지막 1 마일 탐사: 작업 2(객체 검색) 에서 G-DRAGON 은 800m 에서 62.22% SR을 유지한 반면, OPEN 은 2D 투영 및 경량 인코더의 한계로 인해 실패했습니다.
• 실제 세계 배포: 시스템은 대학 캠퍼스에서 200m~500m 의 네 가지 장거리 항법 시도를 성공적으로 완료했습니다. 베이스라인은 heading 오차, 동적 장애물 충돌, 또는 방해 요인 필터링 불가로 인해 실패했습니다. G-DRAGON 은 모든 임무를 완료한 유일한 방법이었습니다.
• Ablation 연구: RAPPER 모듈을 제거 (OSM 기반 추론 우회) 한 결과, 4 번의 시도 중 3 번이 실패하여 위상적 추론이 확장 가능한 실외 항법의 전제 조건임을 확인했습니다.

중요성 및 주장

이 논문은 G-DRAGON 이 대규모 실외 환경에서 고수준 의미 추론과 저수준 제어 사이의 중요한 간극을 해결한다고 주장합니다. 로컬에 배포된 모델과 검색 증강 생성을 활용함으로써, 이 프레임워크는 클라우드 기반 LLM 과 관련된 지연 시간이나 환각 위험 없이 완전한 오프라인 작동을 달성합니다. 이 시스템은 추론과 제어를 분리함으로써 최대 500m 거리에 걸친 복잡하고 개방 어휘 지시를 처리할 수 있는 견고하고 확장 가능한 항법을 가능하게 함을 보여줍니다. 저자들은 이 작업을 연결이 차단된 환경에서 작동하면서도 전역 라우팅과 로컬 의미 검색 모두에서 높은 정밀도를 유지할 수 있는 진정한 자율 에이전트로 나아가는 한 걸음으로 위치 짓습니다.