주요 특징

• Qwen3.5-4B 아키텍처를 그대로 유지한 공유 VLM에 BEV Perception Head(3D 검출·시맨틱 점유·BEV 지도 분할)와 Planning Expert(자차 궤적 생성)를 외부 모듈로 부착해, 하나의 표현으로 인지·VQA·플래닝을 수행
• 플래닝 벤치마크에서 RL 플래너 기준 NAVSIM v1.1 navtest PDMS 90.7(best-of-6 91.4), Waymo Open Dataset E2E RFS 7.91을 기록했고, SFT 플래너는 NVIDIA PhysicalAI 오픈루프 3초 minADE 0.34m를 보고
• 주행 VQA에서 LingoQA 77.8, WaymoQA 전체 74.5 등으로 베이스인 Qwen3.5-4B(70.4, 67.1)와 Cosmos-Reason2-8B·MiMo-Embodied-7B 대비 높은 수치를 보이면서, MMStar 75.9·RealWorldQA 79.0 등 일반 VQA 성능도 베이스 수준으로 유지
• 인지 라벨 공간 통합, 주행 VQA 응답 재주석, 여러 공개 주행 데이터셋의 궤적을 통일된 웨이포인트로 표준화하는 데이터 파이프라인과 인지·언어·플래닝 목표를 결합한 단계적 학습 전략 적용
• VLM 본체(9.1GB)와 planner-sft·planner-rl(각 2.1GB)·perception 헤드(0.5GB)를 한 디렉터리로 배포하며, 추론 기반 플래닝 모드에서 6개 궤적 샘플(5초·10Hz)과 추론 텍스트를 함께 출력. 24GB 이상 GPU 권장