기존 CoT(생각의 연쇄) 방식은 자연어로 순서대로 추론하는데, 로봇처럼 공간과 물체를 다루는 환경에선 이게 부족하거든요

로봇 AI가 "글로 생각"하는 한계를 극복하는 새 프레임워크가 나왔어요.

기존 CoT(생각의 연쇄) 방식은 자연어로 순서대로 추론하는데, 로봇처럼 공간과 물체를 다루는 환경에선 이게 부족하거든요. 상태 공간, 물체 간 계층 관계, 인과 관계를 텍스트만으로는 제대로 표현하기 어렵다는 문제예요.

OOWM은 소프트웨어 공학의 UML을 빌려와서 세계 모델을 만들어요. 클래스 다이어그램으로 시각 정보를 물체 계층 구조로 정리하고, 액티비티 다이어그램으로 계획을 실행 가능한 흐름으로 바꾸는 방식이에요. SFT와 GRPO를 결합한 3단계 학습도 적용해서, 라벨이 적어도 잘 학습되도록 했어요. MRoom-30k 벤치마크에서 비구조적 텍스트 방식보다 계획 일관성과 실행 성공률 모두 유의미하게 앞섰어요.

"AI가 세상을 어떻게 표현하느냐"가 로봇 지능의 핵심 변수가 되고 있다는 걸 보여주는 연구예요.