Neuro-Symbolic Drive는 고전적 규칙 기반 플래너에서 추출한 '규칙 근거 추론 트레이스'로 자율주행 VLA 모델을 지도학습하는 뉴로-심볼릭 프레임워크다. 연구진은 규칙 기반 플래너를 안전 제약을 따지고 후보 기동을 탐색해 궤적을 선택하는 실행형 추론 엔진으로 보고, 각 규칙 평가 단계의 내부 결정 트레이스와 실행 궤적을 시뮬레이션에서 포착해 Qwen3.5-4B를 미세조정했다. 이렇게 하면 추론이 사후 정렬이 아니라 구조적으로 동작 생성과 결합된다. 그 결과 3카메라 환경에서 ADE@3s가 0.47→0.26, 미스율이 8.30%→6.40%로, 8카메라에서는 0.54→0.26, 10.13%→5.99%로 개선됐다. CoT 추론이 실제 주행 동작과 인과적으로 연결되지 못하던 문제에 대한 실질적 해법을 제시한다.

• •규칙 기반 플래너의 내부 결정 트레이스를 추출해 VLA의 규칙 근거 추론 지도신호로 활용
• •추론이 사후 정렬이 아니라 구조적으로 동작 생성과 결합되도록 설계
• •Qwen3.5-4B를 시뮬레이션 생성 궤적·트레이스 쌍으로 미세조정
• •3카메라 ADE@3s 0.47→0.26, 미스율 8.30%→6.40% 개선
• •8카메라 ADE@3s 0.54→0.26, 미스율 10.13%→5.99% 개선