초록
복잡한 환경에서 자율주행 차량 및 바퀴형 이동 로봇과 같은 지능 시스템이 안전하고 고품질의 의사결정, 운동 계획 및 제어를 달성하기 위해서는 주변 동적 장애물에 대한 효과적인 환경 이해와 정확한 궤도 예측이 필수적입니다. 미래의 불확실한 성격 때문에 결정론적인 예측 대신 확률적 관점에서 추론을 하는 것이 바람직합니다. 본 논문에서는 데이터 분포를 근사하여 실제적이고 실행 가능하며 다양성이 있는 미래 궤도 가설을 샘플링할 수 있는 확률적 궤도 예측을 위한 조건부 생성 신경망 시스템(CGNs, Conditional Generative Neural System)을 제안합니다. 이 시스템은 조건부 잠재 공간 학습과 변분 발산 최소화의 강점을 결합하며, 부드러운 주의 메커니즘을 통해 정적 맥락과 상호작용 정보를 활용합니다. 또한, 우리는 미분 가능한 장벽 함수를 사용하여 심층 신경망에 부드러운 제약 조건을 통합하는 규제 방법을 제안합니다. 이 방법은 생성된 샘플들을 실행 가능한 영역으로 유도하고 규제할 수 있습니다. 제안된 시스템은 보행자 궤도 예측을 위한 여러 공개 벤치마크 데이터셋과 우리 자체가 수집한 원형 교차로 자연주의 주행 데이터셋에서 평가되었습니다. 실험 결과는 우리의 모델이 다양한 기준 접근법보다 예측 정확성 측면에서 더 우수한 성능을 달성함을 입증하였습니다.