EVLA: 물리 기반 주행 추론 및 제어를 위한 전기-인식 멀티모달 어시스턴트
EVLA: An Electro-Aware Multimodal Assistant for Physically-Grounded Driving Reasoning and Control
주행 보조를 위한 현대 비전-언어 모델(VLM)은 일반적으로 차량 동역학을 블랙박스로 처리하여, 차량의 실시간 전기-기계적 상태를 인식하지 못한 결정을 내린다. 이러한 격차를 해소하기 위해, 우리는 Electro-Visual-Language Assistant(EVLA)를 소개한다. EVLA는 멀티모달 장면 이해와 전동 파워트레인 상태(예: 모터 토크, 배터리 SOC)의 실시간 인식을 결합한 새로운 프레임워크이다. 우리의 접근법은 두 가지 핵심 혁신을 포함한다. 첫째, 시각·텍스트·차량 상태 입력을 공유 잠재 표현으로 융합하는 Unified Co-State Encoder(UCSE)로, 공간적 에너지 비용을 모델링하는 Energy-Efficiency Field로 보강된다. 둘째, 외부 사고의 연쇄(Chain-of-Thought) 프롬프팅을 물리적 제약 및 최적화 목표에 기반한 내부의 결정론적 추론 과정으로 대체하는 Electro-aware Structured Reasoning Chain(ESRC)이다. 물리 기반 결합 손실로 엔드-투-엔드 학습된 EVLA는 맥락 인식적이고 에너지 최적화된 주행 결정을 생성하도록 학습된다. 주행 QA 벤치마크에서의 광범위한 평가 결과, EVLA는 강력한 파인튜닝 VLM 기준 모델들을 크게 능가하여 최종 점수를 +0.0871, 정확도를 +5.6% 향상시켰다. 절제 연구(ablation study)를 통해 각 구성 요소의 필요성이 검증되었으며, 효율성 분석에서는 EVLA가 다단계 파이프라인 대비 추론 속도가 36% 빠름을 보였다. 본 연구는 차량 상태 인식과 구조화된 물리적 추론의 통합이 차세대 물리 기반 주행 보조 시스템 개발에 핵심적임을 강조한다.