TNT: 타겟 지향형 궤적 예측

이동하는 에이전트의 미래 행동을 예측하는 것은 실세계 응용에 있어 필수적이다. 이는 에이전트의 의도와 그에 따른 행동이 미리 알려져 있지 않으며 본질적으로 다중모달(multimodal)이기 때문에 어려운 과제이다. 우리의 핵심 통찰은 중간 수준의 시간 범위 내에서 미래의 다양한 행동 패턴을 효과적으로 포착하기 위해 미래의 목표 상태(타겟 상태) 집합을 활용할 수 있다는 점이다. 이를 바탕으로 타겟 기반 궤적 예측(Target-driven Trajectory Prediction, TNT) 프레임워크를 제안한다. TNT는 엔드 투 엔드로 학습 가능한 세 단계로 구성된다. 첫 번째 단계에서는 에이전트가 환경 및 다른 에이전트와 상호작용하는 정보를 인코딩하여 향후 $T$ 단계 후의 잠재적 목표 상태를 예측한다. 두 번째 단계에서는 예측된 목표 상태를 조건으로 하여 궤적 상태 시계열을 생성한다. 마지막 단계에서는 궤적의 가능성을 추정하고, 최종적으로 보다 간결한 궤적 예측 집합을 선별한다. 기존의 연구들은 에이전트의 의도를 은닉 변수(latent variable)로 모델링하고, 테스트 시점에서 샘플링을 통해 다양한 궤적을 생성하는 방식을 사용하는 반면, TNT는 이러한 방식과 차별화된다. 우리는 차량과 보행자의 궤적 예측에 대해 TNT를 평가하였으며, Argoverse Forecasting, INTERACTION, Stanford Drone, 그리고 자체 개발한 보행자 교차로 데이터셋에서 최신 기술(SOTA)을 초월하는 성능을 보였다.