영상처리/딥러닝/AR 연구실

논문 초록 (Abstract)

본 논문은 실제 지역난방 운영 현장에서 수집된 SCADA 데이터를 바탕으로 구성된 XAI4HEAT를 이용하여, 지역난방 운영 질의에 응답하는 로컬 소형 LLM 기반 AI agent 시스템을 제안한다. 지역난방 SCADA 질의응답은 운영자가 특정 시점 값, 기간 평균, 설비 간 비교 결과를 신속히 확인하는 실무와 직접 연결되므로, 자연스러운 문장 생성보다 정확한 절차 수행과 안전한 비응답이 더 중요하다. 기존의 종단 간(end-to-end) AI agent는 다음 행동 선택과 인자 생성을 모두 자유 생성에 의존하므로, 소형 모델 환경에서 무효 JSON 출력, 성급한 최종 응답, 부적절한 재질문 남용이 빈번하게 발생한다. 이를 완화하기 위해 본 연구는 원본 질의-행동 기록(trace)을 한국어 운영 환경에 맞는 질의응답 데이터셋으로 재구성하였다. 이를 위해 데이터를 샘플 단위 층화분할 방식으로 나누고, 행동 이름을 표준화한 뒤, 다음 행동을 정하는 단계와 도구 호출 인자를 만드는 단계로 분리하였다. 또한재질문(clarification)과 응답 보류(abstention)는 고정된 템플릿으로 처리하도록 하였다. 아울러 실제 서비스 경로에서는 학습된정책을 유한상태제어기(Finite-State Controller, FSC)로 대체하여, 소형 모델이 명시된 상태 전이와 절차에 따라 제한된 방식으로만 도구를 사용하도록 설계하였다. 이는 데이터 재가공에 더해 실제 추론 경로의 제어 논리를 외부 상태 기계로 구현하였다는점에서 본 연구의 차별성을 이룬다. 이에 따라 Qwen3-0.6B 및 Llama-3.2-1B-Instruct는 LoRA로 1 epoch 미세조정된payload 생성기 역할만 로컬에서 수행한다. 단일 RTX 5060 Ti(16GB) 환경의 offline replay 평가에서 learned pipeline은 과업완수(task accomplishment) 0건/33건 (0%)에 그친 반면, 제안 방식인 FSC+Qwen는 과업 완수 8건/33건 (24.2%), safe non-answer 14건/17건 (82.4%), 무효 출력 1건을 기록하였다. 이는 실제 산업 현장의 데이터와 제한된 연산 자원 환경에서도운영자 확인을 전제로 한 지역난방 SCADA 보조 시스템이 실질적인 운영 지원 수단으로 구현 및 활용될 수 있음을 보여준다.