DAG-Net: 경로 예측을 위한 이중 주의 그래프 신경망

인간의 움직임 행동을 이해하는 것은 자율 주행 자동차나 사회적 로봇과 같은 다양한 응용 분야에서 핵심적인 과제이며, 특히 자율 에이전트가 인간 중심 환경 내에서 이동해야 하는 모든 상황에서 중요하다. 이는 인간의 움직임이 본질적으로 다중 모달성(multi-modal)을 지니기 때문에 비약하지 않은 과제이다. 즉, 과거의 인간 움직임 경로를 기반으로 하더라도, 사람들은 미래에 여러 가지 가능성이 있는 방식으로 움직일 수 있다. 게다가 사람들의 활동은 종종 특정 목적에 의해 이끌린다. 예를 들어 특정 장소에 도달하거나 환경과 상호작용하는 것과 같은 목적이다. 본 연구에서는 단일 에이전트의 미래 목적뿐 아니라 다양한 에이전트 간의 상호작용을 고려하는 새로운 순환형 생성 모델을 제안함으로써 이러한 문제를 해결한다. 이 모델은 이중 주의 기반 그래프 신경망(double attention-based graph neural network)을 활용하여 서로 다른 에이전트 간의 상호 영향력을 수집하고, 이를 에이전트들의 가능성이 있는 미래 목적에 대한 정보와 통합한다. 제안된 모델은 다양한 시나리오에 적용 가능한 일반성과 유연성을 지니고 있으며, 도시 환경과 스포츠 응용 분야 모두에서 최신 기술(SOTA, State-of-the-art) 수준의 성능을 달성한다.