이 논문은 VLA(Vision-Language-Action) 네비게이션 정책의 시각적 정합성 평가를 최초로 수행했어요. SegFormer를 활용해 통행 가능 영역을 녹색, 불통행 영역을 적색으로 표시하는 실시간 분할 기반 정합성 방법이 제안되었어요.
OmniVLA를 Grand Tour 데이터셋에 적용한 결과, 시각적 정합성은 가장 먼 웨이포인트에서 평균 웨이포인트 오차를 27~44% 감소시켰어요. 특히 긴 지시문에 더 큰 효과를 보였고, 이미지 목표에는 개선 효과가 적었어요.
분석 결과, 시각적 정합성은 주로 경로 길이 규제 역할을 하며, 단위 거리당 추론 성능을 향상시키지 않고 예측 경로 길이를 30% 단축하는 것으로 나타났어요.