GANet: 움직임 예측을 위한 목표 영역 네트워크

도로 참가자들의 미래 운동을 예측하는 것은 자율주행 기술에 있어 핵심적인 과제이지만, 놀라운 운동 불확실성으로 인해 매우 도전적인 과제이다. 최근 대부분의 운동 예측 방법은 목표 기반 전략(goal-based strategy)을 채택하고 있다. 즉, 전체 운동 경로를 회귀하기 위한 조건으로 경로의 종점(목표점)을 예측함으로써 해의 탐색 공간을 줄이는 방식이다. 그러나 정확한 목표 좌표를 예측하고 평가하는 것은 어렵고, 또한 목적지의 점 표현(point representation)은 풍부한 도로 환경 정보를 충분히 활용하지 못하게 하여, 많은 경우 정확도가 떨어지는 결과를 초래한다. 대신 목적지 영역(goal area), 즉 가능한 도착 영역을 목표로 삼는 방식은, 더 큰 유연성과 방향성 정보를 제공함으로써 잠재적인 경로 탐색에 더 부드러운 제약 조건을 제공할 수 있다. 이러한 문제를 고려하여, 본 연구는 정확한 목표 좌표 대신 목표 영역을 전제 조건으로 사용하는 새로운 목표 영역 기반 프레임워크인 Goal Area Network(GANet)을 제안한다. 이는 더 뛰어난 정확도와 강건성을 보여준다. 구체적으로, 목표 영역 내에서 의미 있는 차선 특징을 효과적으로 추출하고, 운동 참가자 간의 미래 상호작용을 모델링하는 GoICrop(Goal Area of Interest) 연산자를 제안한다. 이는 미래 경로 추정에 크게 기여한다. GANet은 본 논문 제출 시점까지 공개된 모든 문헌 중 Argoverse 챌린지 리더보드에서 1위를 차지하였으며, 소스 코드는 공개될 예정이다.