최근 발표된 연구 논문에서 3D 공간 추론(spatial reasoning) 분야의 새로운 접근 방식인 'DiSR(Disentangled Spatial Reasoner)'이 제안되었습니다. 이 프레임워크는 3D 인식(perception)과 추론(reasoning) 과정을 명확히 분리하여, 기존의 대규모 통합 학습 방식과 차별점을 둡니다. 연구진은 이 분리된 접근 방식이 공간 지능(spatial intelligence) 구현에 있어 확장 가능하고 효과적인 대안이 될 수 있음을 보여주었습니다.
DiSR의 핵심 아이디어는 현대의 인식 모델(perception model)이 연속적인 3D 기하학적 정보를 추정하는 데 탁월하며, 대규모 언어모델(LLM)은 구성적이고 상징적인 추론(compositional and symbolic reasoning)에 특히 효과적이라는 관찰에서 출발합니다. 이를 바탕으로 DiSR은 상용(off-the-shelf) 전문가 인식 모델을 활용해 물리 세계를 구조화된 3D 증거로 재구성합니다. 이후 LoRA(Low-Rank Adaptation) 기법으로 미세조정(fine-tuning)된 LLM이 이 명시적인 기하학적 증거만을 가지고 추론을 수행하도록 합니다. 이 방식은 대규모 3D 시각 질의응답(VQA) 학습이나 복잡한 도구 사용 정책 없이도 주요 공간 추론 벤치마크에서 경쟁력 있는 성능을 달성했습니다.
이러한 인식-추론 분리 접근 방식은 성능 향상뿐만 아니라 여러 중요한 이점을 제공합니다. 첫째, 해석 가능성(interpretability)이 개선되어 모델이 왜 특정 추론을 했는지 이해하기 쉬워집니다. 둘째, 모듈성(modularity)이 높아져 각 구성 요소를 독립적으로 개발하고 개선할 수 있습니다. 셋째, 계산 효율성(computational efficiency)이 향상되어 자원 소모를 줄일 수 있습니다. 이는 엔드투엔드(end-to-end) 모델링 방식의 한계를 극복하고, 더욱 유연하고 효율적인 인공지능 시스템 개발의 가능성을 제시한다는 점에서 의미가 큽니다.