Pishgu: 실시간 사이버-물리 엣지 시스템을 위한 유니버설 경로 예측 네트워크 아키텍처

경로 예측은 자율 주행, 교통 모니터링/관리, 보행자/근로자 안전 등 다양한 실세계 사이버-물리 시스템(CPS) 응용 분야에서 핵심적인 과제이다. 이러한 실세계 CPS 응용 분야는 다양한 주체(예: 보행자 및 차량)와 다양한 시점(예: 종단면, 고각도)에서 동작할 수 있는 강력하고 경량화된 경로 예측 기능을 요구하며, 이를 위한 통합적인 네트워크 아키텍처가 필요하다. 그러나 기존의 대부분의 알고리즘은 특정 주체와 특정 카메라 시점, 특정 시나리오에 맞춰 맞춤형으로 설계되어 있어 일반화 능력이 제한적이다. 본 논문은 Pishgu라는 통합적이고 경량화된 네트워크 아키텍처를 제안하며, 다양한 주체(차량, 보행자), 시점(새의 눈 perspective, 고각도 시점), 장면(보도, 고속도로)에 대해 유연하게 적응 가능한 강력하고 포괄적인 경로 예측 솔루션을 제공한다. Pishgu는 그래프 이소모르피즘 네트워크(Graph Isomorphism Networks)와 어텐션 모듈을 활용하여 각 프레임 내 주체 간의 상호의존성을 효과적으로 모델링한다. 본 연구에서는 차량의 새의 눈 시점, 보행자의 새의 눈 시점, 인간의 고각도 시점 등 다양한 시점에서 세 가지 다른 CPS 도메인에 대해 별도로 학습 및 평가를 수행하였다. 평가 결과, Pishgu는 차량의 새의 눈 시점 도메인에서 ADE(평균 도착 오차) 및 FDE(최종 도착 오차) 기준으로 기존 최고 수준의 기술 대비 각각 42%, 61% 향상되었으며, 보행자의 고각도 시점 도메인에서는 각각 23%, 22% 개선된 성능을 보였다. 또한, 다양한 데이터셋에 대한 도메인 특성 분석을 통해 각 데이터셋이 경로 예측 성능 및 모델 해석성에 미치는 영향을 심층적으로 탐구하였다. 마지막으로, 여러 임베디드 플랫폼에서 세 가지 도메인에 대한 지연 시간(latency)과 처리량(throughput)을 측정하여 Pishgu의 실세계 CPS 응용 분야에의 통합 가능성과 강건성, 유연성을 입증하였다.