LaneRCNN: 그래프 중심 운동 예측을 위한 분산 표현

동적 엑터의 미래 행동을 예측하는 것은 자율주행과 같은 다양한 로봇 공학 응용 분야에서 중요한 과제이다. 이는 엑터들이 은닉된 의도를 가지고 있으며, 그들의 경로가 다른 엑터들, 자신들, 그리고 지도 간의 복잡한 상호작용에 의해 결정되기 때문에 매우 도전적인 과제이다. 본 논문에서는 그래프 중심의 운동 예측 모델인 LaneRCNN을 제안한다. 특히 특별히 설계된 그래프 인코더에 기반하여, 각 엑터별로 로컬 레인 그래프 표현(LaneRoI)을 학습함으로써 과거 운동 정보와 로컬 지도 구조를 효과적으로 인코딩한다. 또한, 공유된 글로벌 레인 그래프 내에서 로컬 그래프 표현 간의 효율적인 메시지 전달을 허용하는 상호작용 모듈을 개발하였다. 더불어, 레인 그래프 기반으로 출력 경로를 매개변수화함으로써, 보다 자연스럽고 예측에 적합한 파라미터화 방식을 도입하였다. 본 연구에서 제안하는 LaneRCNN은 분산적이고 지도 인지형 방식으로 엑터 간 관계 및 엑터-지도 관계를 효과적으로 모델링한다. 제안한 방법의 효과성을 대규모 Argoverse 운동 예측 벤치마크에서 검증하였으며, 리더보드에서 1위를 기록하며 기존 최고 성능을 크게 상회하였다.