MASER는 3D 환경에서 다양한 입력(텍스트, 이미지, 포인트 클라우드 등)을 활용하는 에이전트의 성능을 높이는 프레임워크입니다. 질문의 의미에 따라 최적의 입력 방식을 선택하는 라우팅 정책을 학습합니다. Open3D-VQA 벤치마크 테스트 결과, 포인트 클라우드 데이터가 51.5%의 경우에 가장 효과적인 답변을 제공하는 것으로 나타났습니다.
MASER는 라우팅 정책을 통해 51.3%의 정확도를 기록하며, 무작위 선택 방식(43.5%)보다 뛰어난 성능을 보였습니다. 기존 방식보다 훨씬 가벼운 구조로, 질문당 하나의 어댑터만 호출하여 효율성을 높였습니다.
연구 결과, 특정 입력 방식이 모든 상황에 최적일 수는 없다는 것을 보여주며, 질문의 의미에 따라 적절한 입력 방식을 선택하는 것이 중요하다는 점을 강조합니다.