연구진은 복잡한 환경에서 스스로 학습하고 발전하는 로봇 에이전트 'Robo-Cortex' 프레임워크를 제안했어요. Robo-Cortex는 경험에서 얻은 지식을 자연어 힌트로 추상화하여 로봇이 스스로 전략을 진화하도록 돕습니다.
핵심 기술인 자율 지식 유도(AKI) 메커니즘은 다양한 경로를 구조화된 탐색 힌트 라이브러리로 변환하여 지식 일반화를 가능하게 합니다. Short-term Reflective Memory(SRM)와 Long-term Principle Memory(LPM)를 결합한 이중 계층 인지 기억 시스템을 활용합니다.
IGNav, AR, AEQA 환경에서 Robo-Cortex는 기존 방법 대비 최대 +4.16%의 성공률 향상을 보였으며, 새로운 환경에서는 최대 +15.30%의 성능 향상을 기록했습니다.