DeeAD는 자율 주행을 위한 Vision-Language Action (VLA) 모델의 추론 지연 시간을 줄이기 위해 개발된 훈련이 필요 없는 조기 종료 프레임워크입니다. 중간 궤적의 물리적 타당성을 평가하여 추론을 종료하며, 경량 계획 선행 지식(예: Navigation 또는 Low-precision Planning)과의 허용 가능한 편차 내에서 예측 궤적이 일치할 때 종료합니다. 효율성을 높이기 위해 점수의 변화율에 따라 중복 레이어를 건너뛰는 multi-hop controller를 도입했습니다. 기존 VLA 모델(ORION)에 통합 가능하며, Bench2Drive 벤치마크에서 최대 28%의 트랜스포머 레이어 희소성과 29%의 지연 시간 감소를 달성하면서 계획 품질과 안전성을 유지합니다.
