Trajectron++: 이질적 데이터를 활용한 동적 실현 가능한 궤적 예측

인간의 움직임에 대한 추론은 안전하고 사회적으로 인지하는 로봇 탐색을 위한 중요한 전제 조건이다. 이에 따라 다중 에이전트 행동 예측은 자율주행 차량과 같은 현대의 인간-로봇 상호작용 시스템의 핵심 구성 요소로 부상하였다. 궤적 예측을 위한 다양한 방법들이 존재하지만, 대부분의 기법들은 역학적 제약을 고려하지 않으며 환경 정보(예: 지도)를 반영하지 못한다. 이러한 문제를 해결하기 위해, 우리는 다양한 에이전트의 궤적을 일반적인 수의 에이전트에 대해 예측하면서 에이전트의 역학적 특성과 이질적인 데이터(예: 의미적 지도)를 통합할 수 있는 모듈형이고 그래프 구조를 가진 순환 모델인 Trajectron++을 제안한다. Trajectron++은 로봇 계획 및 제어 프레임워크와 밀접하게 통합될 수 있도록 설계되었으며, 예를 들어 자기 에이전트의 움직임 계획에 따라 예측을 조건화하는 것이 가능하다. 우리는 여러 도전적인 실세계 궤적 예측 데이터셋에서 Trajectron++의 성능을 검증하였으며, 다양한 최첨단 결정론적 및 생성형 방법들을 능가하는 결과를 보였다.