자율주행 위험 판단을 위한 증거 기반 설명형 추론 프레임워크(EGRR)

초록

본 연구는 자율주행과 같은 안전 필수 환경에서 관측 증거와 최종 결론 간의 연결성을 강화하기 위한 위험 추론 프레임워크를 제안한다. 제안한 방법은 도로 장면에서 검출된 객체 정보를 Evidence Builder를 통해 구조화된 관측 증거로 변환하고, 이를 바탕으로 CoT(Chain-of-Thought) 기반 중간 추론 단계에서 위험 판단 핵심 객체와 사실 기반 장면 설명을 순차적으로 생성한 뒤, 최종 위험도를 도출하도록 설계되었다. 이를 통해 모델은 단순히 위험 등급만 예측하는 데 그치지 않고, 어떠한 관측 근거를 바탕으로 해당 결론에 도달했는지를 함께 제시할 수 있다. 실험 결과, 객체 수준의 명시적 증거는 위험 설명 생성과 위험도 예측 성능 향상에 핵심적인 역할을 하였으며, 단계적 추론 구조는 최종 위험 판단의 일관성과 안정성을 높이는 데 기여하였다.

키워드