연구진은 자율주행 로그로 훈련된 교통 시뮬레이션이 글로벌 환경에서 작동할 때 발생하는 지역 관찰과 글로벌 시뮬레이션 간의 불일치 문제를 제기했어요.
CRAFT(Contextual pReference Alignment Framework for Traffic Simulation)는 자체 학습 기반의 실패 발견과 선호도 기반의 테스트 시간 정렬을 통해 이 불일치를 완화하는 프레임워크예요.
CRAFT는 충돌을 31.2% 감소시키고 교통 위반을 33.2% 줄이며, 기존 시뮬레이터 재훈련 없이 글로벌 맥락에 맞는 행동을 유도해요.