코딩 에이전트, 복잡한 로봇 계획 문제 자동 해결
원제 Coding Agents for Generalized Task and Motion Planning Problems
추천 11댓글 2
Key Point
로봇 계획 같은 복잡한 최적화 문제를 LLM 코딩 에이전트가 손코딩 기반 계획기를 능가하는 성능으로 해결할 수 있음을 대규모 실험으로 입증했으며, 특히 문제 규모가 커질수록 효율 우위가 두드러진다.
핵심 요약
- Task and Motion Planning(TAMP)은 이산 결정이 기하학·운동·동역학 제약과 밀접하게 연결되어 있어 어려운 문제이며, 기존 방법은 많은 도메인별 엔지니어링이 필요했다.
- 연구팀은 Claude Code(Opus 5)와 Codex(GPT-5.6 Sol, GPT-6 Astra)를 사용해 주어진 과제 설명과 시뮬레이터 접근권으로 프로그램을 합성하는 코딩 에이전트를 조사했다.
- 에이전트들은 고정된 예산 내에서 환경과 상호작용하며 프로그램을 개발한 후, 이를 검증 데이터셋에서 평가했다.
- KinDER과 PDDLStream의 28개 시뮬레이션 환경에서 총 98,000개 에피소드(각 프로그램당 100개 미검사 인스턴스)에 걸쳐 980개 프로그램을 평가했다.
- 세 에이전트 모두 손으로 만든 계획기·한 번의 생성·LLM 기반 기준선을 능가했으며, 평균 성공률은 56~95% 대 계획기의 47%였다(계획기를 사용할 수 있는 16개 환경에서).
- 객체 수가 증가해도 에이전트의 프로그램은 계획기보다 높은 성공률을 유지하면서 인스턴스당 평균 계산량은 약 1/10 수준이었다.
- 에이전트 로그에서는 물리 모델 보정, 엣지 케이스 테스트, 전략 개선 등 상호작용을 통한 자동 학습 과정이 드러났다.
- 연구팀은 에이전트에게 제시된 전체 프롬프트를 포함한 모든 코드를 공개했다.