초록
自律 주행 및 보조 주행 시스템의 고도화를 위한 진전은 최근 인식 및 분할 방법의 발전을 활용하고 있습니다. 그러나, 고속으로 움직이는 플랫폼에서 관찰되는 내도심 지역의 매우 역동적인 장면들로 인해 신뢰성 있는 주행을 도시 중심부에 도입하는 데 여전히 어려움이 따르고 있습니다. 사고를 예방하고 적시에 반응하기 위해서는 예측이 핵심 요소가 됩니다. 본 논문에서는 최소 1초 이상의 예측이 필요하다는 점을 주장하며, 이러한 긴 시간 범위에서 자차 운동과 사람들의 궤적을 동시에 예측하는 새로운 모델을 제안합니다. 우리는 자연스러운 교통 장면의 비결정적 특성으로 인한 추정치의 불확실성을 모델링하는 데 특히 주목하였습니다. 실험 결과, 원하는 시간 범위에서 사람들의 궤적을 예측할 수 있으며, 우리의 불확실성 추정치가 예측 오류에 대해 유익한 정보를 제공한다는 것을 확인하였습니다. 또한, 궤적의 순차 모델링과 우리 방식의 장기 오도미터(odomentry) 예측이 최상의 성능을 위해 필수적이라는 점도 보여주었습니다.