[중앙뉴스라인, 한장원기자] 경상국립대는 컴퓨터공학부 부석준 교수 연구팀이 거대언어모델(LLM)의 추론 결과를 드론 등 물리 시스템에서 실행하기 전에 전문가 지식으로 사전 검증하는 뉴로-심볼릭 인공지능(Neuro-symbolic AI) 기술을 개발하고, 실제 드론 비행에서 93.8%의 실행 성공률을 달성했다고 밝혔다.
최근 LLM의 자연어 이해·추론 능력이 발전하면서, 인공지능의 판단을 실제 물리 환경의 행동으로 연결하는 피지컬 AI(Physical AI) 기술이 주목받고 있다. 그러나 생성형 AI가 자연스러운 결과를 만들어내더라도 이것이 실제 물리 환경에서 반드시 실행 가능하거나 안전한 것은 아니다. 특히 드론처럼 잘못된 판단이 곧바로 물리적 행동으로 이어지는 시스템에서는 AI 추론 결과를 실행 전에 검증하는 기술이 필수적이다.
연구팀은 이 문제를 해결하기 위해 LLM의 유연한 추론 능력과 전문가 지식을 결합한 뉴로-심볼릭 AI 방법론을 제안했다. 이 방법론에서 LLM은 자연어 명령을 해석한 뒤 행동 유형과 실행 관계가 구조화된 실행 그래프(Execution Graph)로 변환한다. 이어 항공·무인체계 분야의 전문가 지식과 명시적 규칙을 이용해 실행 순서, 비행 상태, 행동 간 충돌 등을 사전에 검증한다. 즉 확률적인 AI 추론과 결정론적인 전문가 검증을 분리함으로써 드론을 비롯한 물리 시스템의 실행 신뢰성을 높이는 구조다. 공동 교신저자인 항공우주전문가협동조합 김진철 이사장은 한국항공우주연구원 부원장 등을 역임한 항공우주 분야 전문가로, 이번 연구에서 실제 드론 운용에 필요한 전문가 지식의 구축과 검증에 기여했다.
검증 실험에서는 드론을 실증 환경으로 활용했다. 12종의 LLM을 비교한 결과 자연어 명령 이해 정확도는 최대 95.4%, 실행 그래프 구조화 정확도는 최대 89.6%를 기록했다. 7종의 오류 유형을 포함한 2,100개의 비정상 실행 그래프를 전수 탐지했으며, 1,000개의 정상 그래프에서는 오탐(잘못된 거부)이 발생하지 않았다. 실제 실내 드론 비행에서도 검증을 통과한 80개 명령 가운데 75개가 정상 수행되어 93.8%의 물리적 실행 성공률을 보였다. 이를 통해 확률적 언어 해석과 결정론적 실행 검증을 분리한 뉴로-심볼릭 구조의 유효성을 실제 드론 비행까지 이어지는 종합 실증으로 입증했다. 이 기술은 향후 로봇, 자율시스템, 제조설비 등 AI 판단이 물리적 행동으로 이어지는 다양한 분야에 적용될 수 있을 것으로 기대된다. 이번 연구는 과학기술정보통신부 및 정보통신기획평가원의 'AI최고급신진연구자지원(AI스타펠로우십지원)' 사업과 2026년도 경상국립대 글로컬대학30 사업비(GNU AX실증기반연구센터)의 지원으로 수행됐으며, 그 결과는 'Speech-guided Unmanned Aerial Vehicle Control System based on Large Language Model-structured Execution Graphs with Expert Rule Constraints'(제1저자 최석훈)이라는 제목으로 국제학술지 《Engineering Applications of Artificial Intelligence》(IF 9.0, JCR 상위 3.1%, 2025년 기준)에 게재됐다.
교신저자인 부석준 교수는 "AI가 뛰어난 자연어 이해와 추론 능력을 갖추고 있더라도 실제 물리 시스템의 행동으로 연결될 때는 별도의 신뢰성 검증이 필요하다"며 "이번 연구는 LLM의 유연한 추론 능력과 전문가의 명시적 지식을 결합한 뉴로-심볼릭 AI 구조를 실제 드론에서 검증했다는 데 의미가 있으며, 향후 로봇·자율시스템·제조설비 등 다양한 피지컬 AI 환경으로 연구를 확대해 나가겠다"고 밝혔다.
공동 교신저자인 김진철 이사장은 "항공·무인체계에서는 인공지능의 판단 성능뿐 아니라 실제 시스템에서 실행 가능한지를 사전에 검증하는 과정이 중요하다"며 "생성형 AI의 자연어 이해 능력과 항공 분야의 전문가 지식을 결합하고 실제 드론에서 검증했다는 점에서 의미가 있다"고 말했다.
제1저자인 최석훈 석사과정생은 "LLM이 자연어를 얼마나 잘 이해하는가를 넘어, AI가 생성한 판단을 실제 물리 시스템에서 어떻게 신뢰성 있게 검증하고 실행할 것인가를 핵심 연구 문제로 설정했다"며 "앞으로 뉴로-심볼릭 접근을 다양한 물리 환경과 복합 의사결정 문제로 확장해 현장에서 신뢰할 수 있는 인공지능 기술로 발전시키고 싶다"고 밝혔다.
[중앙뉴스라인, 한장원기자] 경상국립대는 컴퓨터공학부 부석준 교수 연구팀이 거대언어모델(LLM)의 추론 결과를 드론 등 물리 시스템에서 실행하기 전에 전문가 지식으로 사전 검증하는 뉴로-심볼릭 인공지능(Neuro-symbolic AI) 기술을 개발하고, 실제 드론 비행에서 93.8%의 실행 성공률을 달성했다고 밝혔다.최근 LLM의 자연어 이해·추론 능력이 발전하면서, 인공지능의 판단을 실제 물리 환경의 행동으로 연결하는 피지컬 AI(Physical AI) 기술이 주목받고 있다. 그러나 생성형 AI가 자연스러운 결과를 만들어내더라도 이것이 실제 물리 환경에서 반드시 실행 가능하거나 안전한 것은 아니다. 특히 드론처럼 잘못된 판단이 곧바로 물리적 행동으로 이어지는 시스템에서는 AI 추론 결과를 실행 전에 검증하는 기술이 필수적이다.연구팀은 이 문제를 해결하기 위해 LLM의 유연한 추론 능력과 전문가 지식을 결합한 뉴로-심볼릭 AI 방법론을 제안했다. 이 방법론에서 LLM은 자연어 명령을 해석한 뒤 행동 유형과 실행 관계가 구조화된 실행 그래프(Execution Graph)로 변환한다. 이어 항공·무인체계 분야의 전문가 지식과 명시적 규칙을 이용해 실행 순서, 비행 상태, 행동 간 충돌 등을 사전에 검증한다. 즉 확률적인 AI 추론과 결정론적인 전문가 검증을 분리함으로써 드론을 비롯한 물리 시스템의 실행 신뢰성을 높이는 구조다. 공동 교신저자인 항공우주전문가협동조합 김진철 이사장은 한국항공우주연구원 부원장 등을 역임한 항공우주 분야 전문가로, 이번 연구에서 실제 드론 운용에 필요한 전문가 지식의 구축과 검증에 기여했다.검증 실험에서는 드론을 실증 환경으로 활용했다. 12종의 LLM을 비교한 결과 자연어 명령 이해 정확도는 최대 95.4%, 실행 그래프 구조화 정확도는 최대 89.6%를 기록했다. 7종의 오류 유형을 포함한 2,100개의 비정상 실행 그래프를 전수 탐지했으며, 1,000개의 정상 그래프에서는 오탐(잘못된 거부)이 발생하지 않았다. 실제 실내 드론 비행에서도 검증을 통과한 80개 명령 가운데 75개가 정상 수행되어 93.8%의 물리적 실행 성공률을 보였다. 이를 통해 확률적 언어 해석과 결정론적 실행 검증을 분리한 뉴로-심볼릭 구조의 유효성을 실제 드론 비행까지 이어지는 종합 실증으로 입증했다. 이 기술은 향후 로봇, 자율시스템, 제조설비 등 AI 판단이 물리적 행동으로 이어지는 다양한 분야에 적용될 수 있을 것으로 기대된다. 이번 연구는 과학기술정보통신부 및 정보통신기획평가원의 'AI최고급신진연구자지원(AI스타펠로우십지원)' 사업과 2026년도 경상국립대 글로컬대학30 사업비(GNU AX실증기반연구센터)의 지원으로 수행됐으며, 그 결과는 'Speech-guided Unmanned Aerial Vehicle Control System based on Large Language Model-structured Execution Graphs with Expert Rule Constraints'(제1저자 최석훈)이라는 제목으로 국제학술지 《Engineering Applications of Artificial Intelligence》(IF 9.0, JCR 상위 3.1%, 2025년 기준)에 게재됐다.교신저자인 부석준 교수는 "AI가 뛰어난 자연어 이해와 추론 능력을 갖추고 있더라도 실제 물리 시스템의 행동으로 연결될 때는 별도의 신뢰성 검증이 필요하다"며 "이번 연구는 LLM의 유연한 추론 능력과 전문가의 명시적 지식을 결합한 뉴로-심볼릭 AI 구조를 실제 드론에서 검증했다는 데 의미가 있으며, 향후 로봇·자율시스템·제조설비 등 다양한 피지컬 AI 환경으로 연구를 확대해 나가겠다"고 밝혔다.공동 교신저자인 김진철 이사장은 "항공·무인체계에서는 인공지능의 판단 성능뿐 아니라 실제 시스템에서 실행 가능한지를 사전에 검증하는 과정이 중요하다"며 "생성형 AI의 자연어 이해 능력과 항공 분야의 전문가 지식을 결합하고 실제 드론에서 검증했다는 점에서 의미가 있다"고 말했다.제1저자인 최석훈 석사과정생은 "LLM이 자연어를 얼마나 잘 이해하는가를 넘어, AI가 생성한 판단을 실제 물리 시스템에서 어떻게 신뢰성 있게 검증하고 실행할 것인가를 핵심 연구 문제로 설정했다"며 "앞으로 뉴로-심볼릭 접근을 다양한 물리 환경과 복합 의사결정 문제로 확장해 현장에서 신뢰할 수 있는 인공지능 기술로 발전시키고 싶다"고 밝혔다.