효율적이고 개인화된 스마트 홈 자동화를 위한 지능형 LLM 에이전트에 관한 연구
A Study on an Intelligent LLM Agent for Efficient and Personalized Smart Home Automation
- 주제(키워드) Smart home Automation , Large Language Models(LLMs) , Task Decomposition , Adaptive Personalization
- 주제(DDC) 004.6
- 발행기관 아주대학교 일반대학원
- 지도교수 고영배
- 발행년도 2026
- 학위수여년월 2026. 2
- 학위명 석사
- 학과 및 전공 일반대학원 AI융합네트워크학과
- 실제URI http://www.dcollection.net/handler/ajou/000000035561
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
최근 스마트 홈 시장이 증가함에 따라 사용자가 보유한 스마트 홈 기기 다양성의 증가로 인해 기기 제어 및 관리의 복잡성이 증가하면서 사용자의 피로도가 높아지고 있다. 이러한 문제를 해결하기 위한 방안으로 LLM을 활용한 자연어 기반 사물인터넷 제어가 주목받고 있다. LLM의 강력한 추론 능력으로 자연어 명령의 의도를 효과적으로 파악하고 이해할 수 있게 되었다. 그 러나 기존의 LLM 기반 접근법은 LLM의 비결정적 특성으로 인한 제어의 신뢰성 저하, 높은 추 론 지연 시간, 개인화 한계 등의 문제가 존재한다. 이에 본 논문에서는 신뢰성 있고 효율적이 며 개인화된 IoT 제어를 지원하는 LLM 기반 스마트 홈 에이전트, IoTGPT를 제안한다. IoTGPT 는 인간이 복잡한 태스크를 처리하는 방식을 모사하여, 사용자의 명령을 서브태스크 단위로 분해하고 이를 메모리에 저장하여 기억한다. 이후 동일하거나 유사한 명령이 입력될 경우, 저 장된 서브태스크를 재활용함으로써 반복적인 LLM 추론 과정을 줄이고, 결과적으로 지연 시간 과 LLM 추론 비용 및 비결정성 문제를 완화한다. 또한 각 서브태스크는 사용자의 선호도에 맞 추어 세밀하게 조정될 수 있어 정밀한 개인화 제어를 지원한다. 평가 결과, 제안한 IoTGPT는 정확도 측면에서 최대 92.46% 향상된 성공률을 보였으며, 지연시간과 비용 측면에서 각각 최 대 75.24%, 8.56% 개선됐음을 확인하였다. 또한, 사용자 연구를 진행한 결과, 개인화 측면에 서 기존 방법보다 우수한 성능을 보였으며, 사용자 인지적 부담을 효과적으로 감소시킴을 확 인하였다. 주제어 : 스마트 홈 자동화, 대규모 언어 모델(LLMs), 태스크 분해, 적응형 개인화
more목차
1. 서론 1
2. 관련 연구 4
3. 시스템 디자인 7
3.1 시스템 디자인 개요 7
3.2 태스크 분해 파이프라인 10
3.3 계층적 태스크 메모리 14
3.4 적응형 개인화 17
4. 정량적 평가 20
4.1 구현 세부 사항 20
4.2 비교 연구 20
4.2.1 실험 환경 20
4.2.2 실험 결과 22
5. 정성적 평가 25
5.1 사용자 연구1: 적응형 개인화 평가 25
5.1.1 실험 환경 25
5.1.2 실험 결과 27
5.2 사용자 연구 2: 태스크 난이도별 전반적 사용성 평가 29
5.2.1 실험 환경 29
5.2.2 실험 결과 31
5.3 사용자 연구의 시사점 34
6. 결론 및 향후 연구 36
6.1 한계점 및 향후 연구 36
6.2 결론 37
참고문헌 38
ABSTRACT 42
