본 논문은 사이버 물리 시스템(CPS)에 배포되는 최첨단 AI 모델들이 패턴 매칭에만 의존하여 안전 중요도가 높고 경쟁적인 환경에서 신뢰성이 부족하다는 문제점을 지적합니다. 이를 해결하기 위해, 저수준 특징과 고수준 맥락에 대한 추론 능력을 갖춘 인간의 인지 능력에서 영감을 얻어 데이터 기반 인지 모델에 기호적 구조를 부여하는 패러다임 전환을 제안합니다. 신경 기호적 인지 패러다임(NeuSPaPer)을 제시하며, 객체 탐지와 장면 그래프 생성(SGG)의 결합을 통해 심층적인 장면 이해를 달성하는 방법을 보여줍니다. 오프라인 지식 추출을 위한 기반 모델과 실시간 배포를 위한 특수 SGG 알고리즘을 활용하여, 상황 인식의 무결성을 보장하는 구조화된 관계 그래프를 활용하는 프레임워크를 설계합니다. 물리 기반 시뮬레이터와 실제 데이터셋을 사용하여 SGG가 저수준 센서 인지와 고수준 추론 간의 간극을 메우는 방법을 보여주고, CPS에서 탄력적이고 맥락 인식적인 AI 및 신뢰할 수 있는 자율성을 위한 기반을 마련합니다.
