최근 LLM 발전으로 언어 기반 3D 콘텐츠 생성 가능해졌지만, 장면 생성과 사용자 상호작용을 분리하는 방식은 몰입감을 제한합니다. 본 연구는 LLM과 강화학습을 결합하여 언어 기반 3D 장면 생성과 몰입형 사용자 상호작용을 통합하는 프레임워크를 제시합니다. ALFRED 벤치마크 실험에서 최고 성능을 달성했으며, 사용자 연구 결과 몰입감, 상호작용 품질, 작업 효율성이 향상된 것을 확인했습니다.