탄력적인 시각 에이전트를 위한 패턴 언어

A Pattern Language for Resilient Visual Agents

다중 모드 기반 모델을 기업 환경 시스템에 통합하는 것은 근본적인 소프트웨어 아키텍처 과제를 제시합니다. 아키텍트는 경쟁적인 품질 속성을 균형 있게 고려해야 합니다. 즉, 비전-언어-액션(VLA) 모델의 높은 지연 시간과 비결정성, 그리고 기업 제어 루프에서 요구하는 엄격한 결정성과 실시간 성능 간의 균형을 맞춰야 합니다. 본 연구에서는 시각 에이전트를 위한 아키텍처 패턴 언어를 제안합니다. 이 언어는 빠르고 결정적인 반응과 느리고 확률적인 제어 간의 분리를 통해 설계됩니다. 제안하는 아키텍처 설계 패턴은 다음과 같습니다: (1) 하이브리드 어포던스 통합, (2) 적응형 시각 앵커링, (3) 시각 계층 합성, (4) 의미론적 장면 그래프.

Integrating multimodal foundation models into enterprise ecosystems presents a fundamental software architecture challenge. Architects must balance competing quality attributes: the high latency and non-determinism of vision language action (VLA) models versus the strict determinism and real-time performance required by enterprise control loops. In this study, we propose an architectural pattern language for visual agents that separates fast, deterministic reflexes from slow, probabilistic supervision. It consists of four architectural design patterns: (1) Hybrid Affordance Integration, (2) Adaptive Visual Anchoring, (3) Visual Hierarchy Synthesis, and (4) Semantic Scene Graph.