다중 로봇·드론과 LLM 연동 연구
Shared on April 20, 2026
학생 프로젝트 아이디어 브레인스토밍
개요
2학년 학생들이 로봇·드론 분야에서 가능성 있는 연구 주제를 탐색한 회의록.
주요 관심사는 에너지 효율, 모듈형 로봇 설계, 안전 제어, 그리고 LLM과 로봇의 융합이다.
주요 주제
1. 드론 에너지 효율 및 배터리 관리
- 배터리 소비: 이륙 시 가장 많이 소모되며, 버터링(hover) 시에도 고전력 사용.
- 에너지 절감 구조: V‑자형 또는 대형 드론 그룹의 비행 패턴을 최적화해 전체 에너지 소비를 최소화.
- 자동 최적화: 바람 변화에 따라 실시간으로 비행 구조를 조정하는 알고리즘 연구.
2. 분질 로봇(모듈형 로봇) 설계
- 모듈 단위: 작은 로봇이 합쳐져 다양한 3D 형태(강아지, 사람, 물체 등)로 변형.
- 전개도 기반: 종이접기와 유사한 2D 전개도를 사용해 3D 구조를 설계.
- 동적 적응: 절벽, 물속, 좁은 공간 등 상황에 따라 모양이 자동 변형되는 로봇 개발.
3. 로봇 안전 및 자동 낙하 제어
- 프로펠러 고장 대응: 1~3개의 프로펠러 고장 시 안정적인 낙하(저속 회전·점프) 방안 검토.
- 전지 방전: 배터리 완전 방전 시 부드러운 착륙을 위한 기계적 구조 연구.
- 구조적 안정성: 자동 균형 잡기 및 회전 방지 메커니즘 설계.
4. LLM(경량 언어 모델)과 로봇 융합
- 자연어 명령 해석: LLM을 통해 “앞으로 가요”, “컵을 집어 주세요” 같은 지시를 로봇이 이해하고 실행.
- 비전‑언어 모델: 영상 인식과 언어 출력을 결합해 상황을 직관적으로 파악하도록 설계.
- 시뮬레이션 기반 개발: 하드웨어 부담을 줄이기 위해 Unity, Gazebo 등에서 시뮬레이션 후 실제 적용.
5. 소프트웨어 중심 접근
- 시뮬레이션→실제: Reality Gap이 적은 소프트웨어 중심 개발 우선.
- 하드웨어 비용 절감: 라즈베리파이, Arduino 등 저가 SBC를 활용해 로봇 제어.
- LLM 커스터마이징: 사전 학습된 모델을 프로젝트에 맞게 fine‑tune.
의견 및 관점
| 주제 | 학생 의견 | 교수·멘토 조언 |
|---|---|---|
| 에너지 효율 | “드론 수가 많을수록 비행 구조를 바꿔야 한다.” | “배터리 연구와 연계해 실험 설계.” |
| 분질 로봇 | “3D 전개도 기반 설계가 핵심.” | “물리적 시뮬레이션 보강.” |
| 안전 제어 | “프로펠러 고장 시 부드러운 낙하 필요.” | “구조적 안정성 테스트.” |
| LLM 융합 | “자연어를 통한 명령이 핵심.” | “LLM과 비전 모델 결합 시도.” |
| 소프트웨어 중심 | “하드웨어 부담이 크므로 소프트웨어 우선.” | “시뮬레이션으로 먼저 검증.” |
Q&A 하이라이트
-
학생 질문: “드론 그룹의 비행 구조를 실시간으로 바꾸는 알고리즘은 어떻게 구현할까요?”
답변: “환경 센서(바람, 온도) 데이터를 수집해 강화학습 기반 최적화 모델을 적용하면 가능하다.” -
학생 질문: “LLM을 로봇에 연결하려면 어떤 인터페이스가 필요할까요?”
답변: “REST API 또는 ROS 노드로 LLM을 호출하고, 결과를 로봇 제어 명령으로 변환하는 래퍼 필요.” -
학생 질문: “분질 로봇이 고장난 프로펠러를 감지하고 자동으로 회전 속도를 조절하려면?”
답변: “센서 피드백(각도, 속도)을 통해 고장 여부를 판단하고, 모터 PWM을 조절해 균형 유지.”
다음 단계
- 주제 최종 선정: 에너지 효율과 LLM 융합을 결합한 드론/로봇 시뮬레이션 프로토타입 제작.
- 시뮬레이션 환경 구축: Unity/Gazebo + ROS + LLM API 연결.
- 하드웨어 프로토타입: 라즈베리파이 기반 작은 로봇(200만원 이하) 구매 후 실험.
- 성과 발표: 학회/학과 포럼에서 진행 상황 공유 및 피드백 수집.
핵심 목표: 기존 연구를 모방하지 않고, 자연어 명령과 에너지 효율을 동시에 고려한 차별화된 로봇·드론 솔루션 개발.