SoPhie: 사회적 및 물리적 제약을 준수하는 경로 예측을 위한 주의력 GAN

본 논문은 자율 주행 차량 및 사회적 로봇 등 여러 자율 플랫폼에서 중요한 단계인 장면 내 다수의 상호 작용하는 에이전트의 경로 예측 문제를 다룹니다. 우리는 \textit{SoPhie}를 제시합니다; 이는 생성 적대 네트워크(Generative Adversarial Network, GAN) 기반의 해석 가능한 프레임워크로, 장면 내 모든 에이전트의 경로 이력과 장면 맥락 정보를 이미지를 통해 활용합니다. 에이전트의 미래 경로를 예측하기 위해서는 물리적 정보와 사회적 정보 모두가 활용되어야 합니다. 과거 연구들은 물리적 상호 작용과 사회적 상호 작용을 동시에 모델링하는 데 성공하지 못했습니다. 우리의 접근 방식은 사회적 주의 메커니즘과 물리적 주의 메커니즘을 결합하여, 큰 장면에서 어디에 집중할지 학습하고 경로와 관련된 이미지의 가장 중요한 부분을 추출하는 데 도움을 줍니다. 반면에, 사회적 주의 구성 요소는 다양한 에이전트 상호 작용 간의 정보를 집계하고 주변 이웃으로부터 가장 중요한 궤도 정보를 추출합니다. SoPhie는 또한 GAN을 활용하여 더 현실적인 샘플을 생성하고 미래 경로의 불확실한 특성을 분포 모델링을 통해 포착함으로써, 에이전트들의 사회적으로 그리고 물리적으로 타당한 경로를 예측하고 여러 궤도 예측 벤치마크에서 최고 수준의 성능을 달성할 수 있도록 합니다.