EqMotion: 불변 상호작용 추론을 갖춘 동치 다중 에이전트 운동 예측

에이전트의 운동을 관계 추론을 통해 예측하는 능력은 다양한 응용 분야에서 매우 중요하다. 운동 예측 작업에서는 유클리드 기하학적 변환 하에서 운동의 동차성(equivariance)을 유지하고 에이전트 간 상호작용에 대한 불변성(invariance)을 보장하는 것이 핵심적이고 기초적인 원칙이다. 그러나 대부분의 기존 방법들은 이러한 동차성 및 불변성 특성을 간과하고 있다. 이 격차를 메우기 위해, 우리는 상호작용 불변 추론을 갖춘 효율적인 동차성 운동 예측 모델인 EqMotion을 제안한다. 운동의 동차성을 달성하기 위해, 유클리드 변환 가능 특징을 전용의 동차 연산 설계를 통해 학습할 수 있는 동차 기하 특징 학습 모듈을 제안한다. 에이전트 간 상호작용을 추론하기 위해, 더 안정적인 상호작용 모델링을 달성하기 위한 불변 상호작용 추론 모듈을 제안한다. 또한, 더욱 포괄적인 운동 특징을 촉진하기 위해, 불변 패턴 특징을 학습할 수 있는 불변 패턴 특징 학습 모듈을 제안하며, 이는 동차 기하 특징과 협업하여 네트워크의 표현력을 강화한다. 제안된 모델에 대해 입자 역학, 분자 역학, 인간 스켈레톤 운동 예측, 보행자 경로 예측의 네 가지 서로 다른 시나리오에서 실험을 수행하였다. 실험 결과, 제안한 방법은 일반적 적용 가능성을 갖는 동시에 네 가지 작업 모두에서 최신 기술(SOTA) 수준의 예측 성능을 달성하였으며, 각각 24.0%, 30.1%, 8.6%, 9.2%의 성능 향상을 기록하였다. 코드는 https://github.com/MediaBrain-SJTU/EqMotion 에서 공개되어 있다.