생성형 AI 기반 무인항공기 GCS 인터페이스 디자인 지원: 도메인 특화 GPTs의 개발 및 적용 = Supporting Ground Control Station Interface Design with Generative AI: Development and Implementation of Domain-Specific GPTs

국문 초록 (Abstract)

본 연구는 GCS(Ground Control Station) 인터페이스 설계에서 디자이너들이 겪는 맥락 이해의 어려움을 해결하기 위해 생성형 AI를 활용한 새로운 접근 방식을 제안한다. RAG(Retrieval-Augmented Generation) 기술을 기반으로 한 도메인 특화 GPTs를 개발하여, 디자이너들이 방대한 기술 문서와 가이드라인을 효과적으로 활용할 수 있도록 지원하는 시스템을 구현하였다. 평가 결과, 도메인 지식이 강화된 모델들(GPT-D1, D2, D3)이 기본 ChatGPT 모델보다 더 정확하고 유용한 정보를 제공할 수 있음을 확인했다. 특히 전문가와 초심자 간에 AI 도구에 대한 기대와 활용 방식에 뚜렷한 차이가 있음을 발견했는데, 전문가는 실무 프로세스 반영과 디자인 아이디어 발상을 중시한 반면, 초심자는 체계적인 학습과 기본 개념 이해에 초점을 맞추는 경향을 보였다.

다국어 초록 (Multilingual Abstract)

This study proposes a novel approach using generative artificial intelligence (AI) to address the contextual understanding challenges faced by designers in ground control station (GCS) interface design. We developed domain-specific generative pretrained transformers (GPTs) based on retrieval-augmented generation (RAG) technology, implementing a system to help designers effectively utilize extensive technical documents and guidelines. In evaluations using actual GCS designs, the system demonstrated potential for improving the design process efficiency and quality. The study revealed that domain knowledge-enhanced models (GPT-D1, D2, D3), providing more accurate and useful information compared to the basic ChatGPT model. Notably, we discovered significant differences between experts and novices in their expectations and utilization patterns of AI tools. Experts focused on practical process integration and design ideation, whereas novices emphasized systematic learning and basic concept understanding. These findings suggest the need for differentiated support based on designers' experience levels.