# LiDAR 기반 토큰 선택으로 자율주행 모델 연산량 줄여

> 한 논문은 LiDAR와 레이더의 기하 정보를 활용해 자율주행 모델이 이미지 패치를 일부만 처리하도록 하는 방법을 제안했다. 연산량은 줄고 벤치마크 성능은 개선됐다고 보고했다.

Oossa · 2026-11-02 · https://oossa.com/ko/lidar-guided-token-selection-cuts-driving-model-compute

새로운 arXiv 논문은 Geometry-Aware Token Selection(GATS)을 제안한다. 이 방법은 자율주행 모델이 이미지를 처리하기 전에 LiDAR와 레이더 측정값을 바탕으로 이미지 패치를 고른다. 연구진은 토큰을 전체의 10%만 사용하는 조건에서 GATS의 연산량이 24 GFLOPs로, 모든 패치를 처리하는 기준 모델보다 18배 적었으며 nuScenes와 NAVSIM에서는 더 높은 점수를 기록했다고 보고했다. 주행 의도상 중요한 시나리오 739개에서는 충돌률이 0.09%로, 기준 모델의 0.34%보다 낮았다. 이는 논문이 보고한 결과이며, 제공된 초록만으로는 실제 도로에서의 주행 성능을 입증할 수 없다.

## 팩트

- 토큰을 전체의 10%만 사용하는 조건에서 GATS의 nuScenes L2 오차는 0.537 m로, 모든 패치를 처리하는 기준 모델의 0.573 m보다 낮았다고 논문은 보고했다.
- 이 논문은 2026년 11월 2일 arXiv에 게재됐다.

## 왜 중요한가

자율주행 연구자에게 이번에 보고된 연산량 절감은 벤치마크 성능을 유지하면서 처리하는 카메라 데이터를 줄일 가능성을 보여준다. 다만 실제 도로에서 어떤 효과가 있을지는 아직 알 수 없다.

## 출처 및 참고 자료

1. [Let LiDAR Decide Where to Look: Geometry-Measured Token Selection for Efficient Sparse Latent World Models](https://arxiv.org/abs/2610.40935) – arXiv cs.CV, 2026-11-02

최종 업데이트: 2026-11-02