앞으로의 길을 상상하다: 미분 가능한 시뮬레이션을 통한 다중 에이전트 궤적 예측

다수의 에이전트 궤적 예측을 위한 완전 미분 가능한 시뮬레이터 기반의 딥 생성 모델을 개발하였다. 각 에이전트는 조건부 순환 변분 신경망(CVRNN)으로 모델링되며, 현재 세계 상태를 나타내는 에이전트 중심의 베이드뷰 이미지를 입력으로 받아, 조향과 가속도로 구성된 행동(action)을 출력한다. 이 행동은 운동학적 자전거 모델을 이용하여 다음 시점의 에이전트 상태를 도출하는 데 사용된다. 이후 전체 시뮬레이션 상태는 각 에이전트에 대해 미분 가능하게 렌더링되어 다음 시간 단계를 시작한다. 우리는 표준 신경망 아키텍처와 표준 변분 학습 목표함수를 사용하여 INTERACTION 데이터셋에서 최신 기술 수준의 성능을 달성하였으며, 특별한 다형성 유도 손실을 추가하지 않고도 현실적인 다형성 예측을 생성하였다. 시뮬레이터의 각 구성 요소를 분석하기 위한 아블레이션 연구를 수행한 결과, 운동학적 자전거 모델과 베이드뷰 이미지로부터 제공되는 연속적인 피드백이 이 수준의 성능을 달성하는 데 핵심적임을 확인하였다. 본 모델은 '앞으로의 도로를 상상하다(Imagining the Road Ahead)'는 의미를 담아 ITRA로 명명하였다.