여정이 아니라 목적지: 엔드포인트 조건부 궤적 예측

다수의 사회적 상호작용을 하는 에이전트의 인간 경로 예측은 자율주행 차량과 사회적 로봇 등 인간 환경에서의 자율導航에 있어 핵심적인 과제이다. 본 연구에서는 유연한 인간 경로 예측을 위한 예측된 도착점 조건부 네트워크(Predicted Endpoint Conditioned Network, PECNet)를 제안한다. PECNet은 장거리 다중 모달 경로 예측을 지원하기 위해 원거리 경로 도착점을 추론한다. 새로운 비국소적 사회적 풀링 레이어를 통해 PECNet은 다양하면서도 사회적으로 타당한 경로를 효과적으로 예측할 수 있다. 또한, 소수 샘플 기반의 다중 모달 경로 예측 성능을 향상시키기 위한 간단한 '절단 기술(truncation-trick)'을 제안한다. 실험 결과, PECNet은 스탠포드 드론 경로 예측 벤치마크에서 기존 최고 성능 대비 약 20.9% 향상되었으며, ETH/UCY 벤치마크에서는 약 40.8% 향상되는 결과를 보였다. 프로젝트 홈페이지: https://karttikeya.github.io/publication/htf/