Journal of Construction Automation and Robotics ISSN:2800-0552(Print) 2951-116X(Online) 건설자동화·로보틱스 논문집

본 연구는 건설 현장의 주요 과제인 고소 용접 작업의 안전성 확보와 숙련공 부족 문제를 해결하기 위해, 로봇 기반 용접 자동화를 위한 기반 기술을 제안한다. BIM 모델링과 3차원 포인트 클라우드 기술을 융합한 학습 데이터셋 자동 구축 파이프라인을 제시하고, 시멘틱 세그멘테이션 기반의 3차원 용접부 인식 모델을 구성 및 적용하여 철골 접합부 내 용접부의 위치와 형상을 정밀하게 추출한다. BIM의 설계 정보를 활용해 용접부를 포함한 철골 접합부의 포인트 클라우드 데이터셋을 체계적으로 생성하며, 세그멘테이션 모델은 이를 학습하여 용접부의 기하학적 형상과 위치를 높은 정확도로 식별한다. 본 연구는 BIM과 인공지능 기술을 연계함으로써 건설 자동화의 기반을 마련한 연구로, 향후 지능형 용접 로봇의 작업 인지 기술 및 건설 분야 디지털 트윈 구현의 완성도를 높이는 핵심 기술적 토대를 제공한다.

건축 인허가 및 건설 관련 민원 처리는 복잡한 법령의 계층 구조와 조문 간 상호 참조를 정확히 반영한 신뢰도 높은 법령 해석을 요구한다. 대규모 언어모델(LLM) 기반 법률 질의응답(QA)은 유망하지만, 환각(hallucination) 발생과 예외 규정 누락에 취약하다는 한계가 있다. 본 연구는 법령의 계층·참조 관계를 지식그래프로 모델링하고, 제어된 그래프 순회를 통해 다중 홉(multi-hop) 증거를 검색하는 GraphRAG 기반 법령해석 QA 파이프라인을 제안한다. 10개 주요 국내 법령(총 5,801개 규정)을 대상으로 엔티티 링크(entity linking)를 통한 시드(seed) 선택, 홉/노드/컨텍스트 예산 제약 하의 증거 확장, 근거 기반(grounded) 답변 생성을 수행한다. 171개의 법령해석 질의에 대한 통제된 평가에서, GraphRAG는 벡터 기반 RAG 기준선 대비 약 2.9%p 높은 정확도를 보였다. 특히 연쇄적인 조문 추론이 필요한 질문 유형에서 개선 효과를 보였다. 반면 비관련 조문의 과도한 유입이 발생할 경우 정확도가 저하되는 패턴도 관찰되었다. 이는 GraphRAG의 실무 적용에서 안정적인 성능 확보를 위해 재랭킹, 필터링 문맥 구성 제어가 필요함을 시사한다.