연구진이 자율 주행의 고위 수준 계획을 위해 인지적 이중 처리 프레임워크를 제시했어요. 이 프레임워크는 계획과 관련된 장면 지식을 기계가 분석할 수 있는 구조화된 연쇄적 사고(S-CoT) 방식으로 표현해요. S-CoT 감독은 수동 주석 없이 자동화된 데이터 엔진을 통해 생성되며, 장면 복잡도에 따라 빠른 메타 동작 예측과 느린 구조화된 추론을 선택적으로 활용해요.
S-CoT 감독 데이터 생성 시, 기존 방식보다 수동 주석 작업 부담을 줄이고, 장면 복잡도에 따라 적절한 추론 방식을 선택하여 효율성을 높였어요. NAVSIM 테스트에서 80.14%의 계획 정확도와 97.20%의 논리적 일관성 점수를 달성하며, 평균 지연 시간을 17.39% 단축했어요.
연구 결과는 명시적인 장면 지식을 활용하여 적응적 추론과 규칙 기반 검증을 통해 VLM 계획 결정을 지원할 수 있음을 보여줘요. 연구팀은 장기적인 꼬리 데이터 세트 평가를 통해 성능 저하 조건도 파악했어요.