LLM 추론과 Weighted A* 결합을 통한 적응형 경로 계획 최적화

Context

전통적인 A* 알고리즘의 정적 Heuristic 기반 탐색은 동적 환경의 변수 대응에 한계 노출. LLM의 고차원 추론 능력과 고전적 탐색 알고리즘의 효율적 경로 최적화 사이의 결합 필요성 증대.

Technical Solution

• LLM을 Goal-based 및 Utility-based Agent로 활용하여 복잡한 문제의 단계적 분해 및 최적 분기 결정 수행
• f(n) = g(n) + w * h(n) 수식의 Weighted A* 도입을 통한 Heuristic 정보 가중치 강화 및 탐색 속도 향상
• 환경 변화에 따라 평가 함수를 동적으로 조정하는 Heuristic Reward 메커니즘 설계
• LLM의 전략적 목표 설정과 Weighted A*의 전술적 경로 최적화를 결합한 Hybrid AI 아키텍처 구성
• 단순 거리 기반 비용 산출에서 벗어나 장애물 리스크 및 트래픽 밀도를 반영한 다차원 비용 모델 적용