목표, 웨이포인트 및 경로에서 장기적 인간 궤적 예측으로

인간의 경로 예측은 본질적으로 다중 모달(multi-modal) 문제이다. 미래 경로에 존재하는 불확실성은 두 가지 원인에서 비롯된다. 첫째, 에이전트에게는 알려져 있지만 모델에게는 알려지지 않은 원인으로, 장기적인 목적지 등이 있다. 둘째, 에이전트와 모델 모두 알 수 없는 원인으로, 다른 에이전트의 의도나 의사결정 과정에서 발생하는 불가분의 랜덤성 등이 있다. 본 연구에서는 이러한 불확실성을 지식 기반(epistemic) 불확실성과 난이도 기반(aleatoric) 불확실성으로 분해하는 방안을 제안한다. 지식 기반 불확실성은 장기적 목적지의 다중 모달성으로 모델링하고, 난이도 기반 불확실성은 경유지 및 경로의 다중 모달성으로 표현한다. 이 이분법을 구체적으로 설명하기 위해, 기존 연구보다 한 차원 더 긴 예측 시간(최대 1분까지)을 가진 새로운 장기 경로 예측 설정을 제안한다. 마지막으로, 제안된 지식 기반과 난이도 기반 구조를 활용하여 장기 예측 구간에서도 다양한 경로 예측을 가능하게 하는 장면 적합성(scene-compliant) 경로 예측 네트워크 Y-net을 제시한다. Y-net은 (a) 스탠포드 드론(Stanford Drone) 및 ETH/UCY 데이터셋에서 널리 연구된 단기 예측 설정에서 기존 최고 성능을 크게 향상시켰으며, (b) 재사용된 스탠포드 드론 및 인터섹션 드론(Intersection Drone) 데이터셋에서 제안한 장기 예측 설정에서도 우수한 성능을 달성하였다.