본 논문은 Vision-Language-Action (VLA) 모델의 자율 주행 분야에서의 한계를 극복하기 위해 Chain-of-Thought (CoT) 추론을 도입한 새로운 프레임워크인 CoT4AD를 제안한다. CoT4AD는 수치적 추론 능력 향상과 단계별 인과 추론을 위해 시각적 관찰, 언어 지시를 통합하여 의미 추론, 장면 이해, 궤적 계획을 수행한다. 훈련 과정에서는 perception-question-prediction-action CoT를 명시적으로 모델링하고, 추론 공간을 작업 공간과 정렬한다. 추론 과정에서는 암묵적 CoT 추론을 통해 동적 환경에서 일관된 수치적 추론과 견고한 의사 결정을 가능하게 한다. nuScenes 및 Bench2Drive를 포함한 실제 및 시뮬레이션 벤치마크에서 CoT4AD는 open-loop 및 closed-loop 평가 모두에서 최첨단 성능을 달성했다.
