Social-STGCNN: 인간 궤적 예측을 위한 사회적 시공간 그래프 컨볼루션 신경망

보행자의 행동에 대한 기계의 이해가 향상되면 자율주행차와 사람과 같은 에이전트 간의 상호작용 모델링에서 더 빠른 진전이 가능해진다. 보행자 경로는 보행자 자신에게 영향을 받는 것뿐만 아니라 주변 객체들과의 상호작용에도 영향을 받는다. 기존의 방법들은 다양한 집계(aggregation) 기법을 사용하여 학습된 보행자 상태를 통합함으로써 이러한 상호작용을 모델링하였다. 본 연구에서는 상호작용을 그래프로 모델링함으로써 집계 기법의 필요성을 제거하는 Social Spatio-Temporal Graph Convolutional Neural Network(Social-STGCNN)을 제안한다. 실험 결과, 기존 최고 성능 기법 대비 최종 이동 오차(Final Displacement Error, FDE)에서 20% 향상되었으며, 평균 이동 오차(Average Displacement Error, ADE)에서도 개선되었으며, 파라미터 수는 기존 방법 대비 약 8.5배 적고, 추론 속도는 최대 48배 빠르다. 또한 본 모델은 데이터 효율성이 뛰어나, 학습 데이터의 20%만으로도 기존 최고 성능 기법의 ADE 지표를 초과한다. 우리는 인접 행렬 내에서 보행자 간 사회적 상호작용을 임베딩하기 위해 커널 함수(kernel function)를 제안하였다. 정성적 분석을 통해 본 모델이 보행자 경로 간 예상되는 사회적 행동 특성을 잘 유지하고 있음을 보여주었다. 코드는 다음 링크에서 확인할 수 있다: https://github.com/abduallahmohamed/Social-STGCNN.