자연어는 로봇에게 유연한 작업 인터페이스를 제공하지만, 구체화된(embodied) 환경에서의 목표 모호성은 사용자 의도 문제뿐 아니라 현재 관측에 작업 관련 물리적 증거가 없어서도 발생한다. 기존 상호작용적 모호성 해소 방법은 주로 사용자에게 되물어 정보를 얻지만, 가림·제한된 시야각·읽을 수 없는 텍스트·미관측 대상 같은 상황에서는 로봇이 관측 자체를 능동적으로 바꿔야 한다. 이 논문은 능동 관측을 정보 획득의 중심으로 삼고, 시각-언어 모델이 누적된 시각 증거와 상호작용 정보를 바탕으로 계속 관측할지, 명확화를 요청할지, 목표 선택을 완료할지 판단하는 능동 지각 프레임워크를 제안한다. 능동 관측은 누락된 판별 증거를 직접 복구하는 동시에 사물 이름·라벨·의미적 속성을 드러내 필요시 사용자 명확화의 질도 높인다. 실제 로봇 실험에서 이 프레임워크가 물리적 정보 획득과 사용자 의도 명확화를 하나의 통합된 구체화 모호성 해소 과정으로 결합함을 보였다.

• •목표 모호성이 사용자 의도뿐만 아니라 관측 내 물리적 증거 부재에서도 발생함을 지적.
• •시각-언어 모델이 계속 관측·명확화 요청·목표 선택 완료 중 하나를 결정하는 능동 지각 프레임워크 제안.
• •능동 관측이 판별 증거 복구와 사물 이름·라벨 등 의미 정보 노출을 동시에 가능하게 함.
• •실제 로봇 실험으로 물리적 정보 획득과 사용자 의도 명확화의 통합을 검증.