WCog-VLA, 능동적 자율주행을 위한 이중 세계 인지 VLA 도입

연구자들은 의미론적 예측과 생성적 진화를 연결하여 능동적 자율주행을 가능하도록 설계된 혁신적인 이중 세계 인지 Vision-Language-Action 프레임워크인 WCog-VLA를 제안했습니다. 이 모델은 포괄적인 세계 인지가 부족하거나 단편적인 예지에 시달리는 기존 방법의 한계를 해결합니다.

의미론적 수준에서 WCog-VLA는 3D 공간 지각, 역학 포착을 위한 에이전트 토큰, 그리고 게임 이론적 Chain-of-Thought (Game-CoT) 추론을 사용하여 세계 인지 및 추론을 통합합니다. 생성적 수준에서는 물리적으로 타당한 다중 에이전트 궤적을 합성하고 디노이징 단계를 줄여 추론 속도를 높이기 위해 Aligned Decoupled Diffusion Transformer (ADDT)를 사용합니다. 저자들은 또한 전략적 추론을 촉진하기 위해 85k Game-CoT 주석이 포함된 대규모 데이터셋도 구축했습니다.

NAVSIM 벤치마크에 대한 광범위한 실험 결과, WCog-VLA가 State-Of-The-Art (SOTA) PDMS 점수 92.9를 달성했음이 입증되었습니다.