연구진은 자율 주행 계획 시 에고 차량과 주변 차량 간의 상호 의존성을 고려하지 않아 발생하는 문제점을 해결하기 위해 CaAD 프레임워크를 제안했습니다.
CaAD는 에고 중심 통합 인과 모델링 모듈을 통해 에고 차량과 관련된 차량 간의 인과 관계를 학습하고, 정책 정렬 단계를 통해 에고 정책을 주변 교통 상황과 연계합니다.
Bench2Drive 및 NAVSIM 벤치마크에서 CaAD는 Driving Score 87.53, Success Rate 71.81, PDMS 91.1을 달성하며 우수한 성능을 입증했습니다.