Fast(직관적 반사신경)와 Slow(심층 추론)가 융합된 차세대 인공지능 주행 시스템. 기존 자율주행이 풀지 못한 위기 상황의 딜레마를 노벨상 인지 이론으로 해결합니다.
현재 모빌리티 업계는 두 가지 극단적인 방식 사이에서 깊은 딜레마에 빠져 있습니다. 하나는 너무 급하고, 다른 하나는 너무 느립니다.
센서 영상을 입력받아 곧바로 핸들/페달 명령을 출력하는 방식. 일상 주행에서는 사람처럼 매끄럽지만, 데이터셋에 없던 공사 현장이나 경찰관 수신호 같은 '롱테일(Long-tail) 엣지 케이스'를 만나면 완전히 길을 잃습니다.
"인간은 평소엔 직관으로, 위기 땐 이성으로 운전한다.
이 둘을 합칠 수는 없을까?"
카메라 영상을 거대 멀티모달 모델이 맥락 단위로 언어 추론하는 방식. "공사 중이므로 우회해야 한다"는 논리 판단은 완벽하지만, 거대한 파라미터 연산 때문에 응답까지 1~2초가 소요됩니다.
평상시에는 가벼운 Fast 경로로 고속 주행하고, 위험이나 불확실성이 감지되는 순간에만 Slow VLM 경로를 호출하여 궤적을 실시간 교정합니다.
Multi-view 카메라에서 BEV(Bird's Eye View) 피처를 추출하고, Ego/Agent/Map 인스턴스 토큰 간의 Attention 연산으로 후보 궤적군을 초고속 샘플링합니다.
가우시안보다 꼬리가 두꺼운(Heavy-tailed) 라플라스 분포(Laplace Distribution)를 활용해 주행 보상의 오차와 불확실성을 정밀 계산합니다.
Visual 및 BEV 프롬프트를 Qwen-VL에 입력하여 환경 상태(Pt)와 메타 액션(At)을 도출합니다. 정보 병목(Information Bottleneck)으로 환각을 걸러냅니다.
실제 논문(Figure 4 & 6)에서 성능을 입증한 3대 난제 상황을 클릭하고 AI의 사고 과정을 확인해보세요.
대향 차선에서 접근하는 직진 차량이 시야 사각지대에 가려져 있어, Fast Pathway 단독으로는 성급한 좌회전 궤적을 계획할 위험이 있습니다.
실제 자율주행 표준 벤치마크인 nuScenes(실도로 데이터)와 CARLA Town05(폐쇄 루프 극한 시뮬레이션)에서 기록한 세계 최고 수준의 성능 지표입니다.