언어모델이 로봇 1,024대 군집을 제어하는 'COMPASS' 등장

한 연구팀이 대형 언어모델(LLM, 방대한 텍스트로 학습되어 자연어를 이해하고 생성하는 인공지능 모델)을 이용한 다중 로봇 제어에서 팀 규모가 커질수록 조정 능력이 무너지는 고질적 문제를 해결하기 위해 'COMPASS'라는 분산형 아키텍처를 제안했습니다. 이 연구는 arXiv에 게재된 논문(arXiv:2609.28247)을 통해 소개됐습니다.

COMPASS는 단일 중앙 모델이 전체 함대를 지휘하는 대신, 각 로봇이 자체적으로 피드백을 생성하도록 설계됐습니다. 각 로봇에 탑재된 공간 트랜스포머(위치 정보를 반영해 데이터를 처리하는 신경망 구조)가 함대 전체에서 여러 홉(hop)을 거쳐 전달되는 메시지를 취합해, 학습된 피드백 토큰 하나로 압축합니다. 이 토큰이 각 로봇의 추론 과정을 조정하는 데 쓰입니다.

연구진은 개별 로봇에 입력되는 명령에 구조적 다양성을 부여하면 오히려 성능이 향상되고, 편향을 상쇄하는 효과가 있다는 사실을 발견했습니다. 이러한 이점은 로봇 수가 늘어나도 유지됐습니다. 중앙집중형 최상위(frontier) LLM 정책 및 언어 통신만 사용하는 비교군과 대조했을 때, COMPASS는 명령 의도에 훨씬 더 부합하는 응집력 있는 군집 대형을 만들어냈습니다.

소거 실험(ablation study)에서는 중요한 설계 원리도 드러났습니다. 추론 피드백은 원시 데이터를 그대로 전달하기보다 압축된 학습 토큰과 결합했을 때 가장 효과적이었습니다. 반면 사람이 직접 설계한 피드백에 원시 로봇 상태 정보를 언어 채널에 그대로 담아 전달하자, 군집의 응집력은 완전히 무너졌습니다.

가장 눈에 띄는 결과는 확장성입니다. COMPASS는 모호하게 표현된 새로운 지시에도 별도 학습 없이(제로샷) 대응했으며, 학습 당시보다 최대 16배 큰 규모의 군집도 지휘할 수 있었습니다. 이를 통해 자연어 명령만으로 최대 1,024대 로봇의 대형 비행을 성공적으로 구현했습니다.

논문에 따르면 이번 연구는 LLM이 단일 로봇의 경로 계획을 넘어 대규모 로봇 군집을 실질적으로 지휘하는 방향으로 나아갈 수 있음을 보여줍니다. 다만 이 연구는 아직 정식 동료 심사를 거치지 않은 프리프린트(preprint) 단계이며, 초록에는 실제 실험에 사용된 로봇 플랫폼에 대한 구체적인 설명이 포함되어 있지 않습니다.