GRAID는 2D 기하 프리미티브만을 사용하여 시각-언어 모델(VLM)의 공간 추론 능력을 향상시키는 새로운 데이터 생성 프레임워크입니다. 2D 경계 상자를 활용하여 3D 재구성 오류와 생성적 환각을 피하고, 고품질 VQA(Vision Question Answering) 쌍을 생성합니다. BDD100k, NuImages, Waymo 데이터셋에 적용하여 850만 개 이상의 고품질 VQA 쌍을 생성했으며, 인간 검증 정확도 91.16%를 달성하여 기존 데이터 생성 도구보다 높은 품질을 입증했습니다. GRAID 데이터로 훈련된 모델은 공간 추론 개념을 일반화하며, 여러 벤치마크에서도 성능 향상을 보였습니다.
