미래 관계 추론을 활용한 차량 궤적 예측

다중 에이전트 간의 상호작용을 이해하는 것은 현실적인 차량 경로 예측에 있어 핵심적인 요소이다. 기존의 방법들은 풀링, 어텐션 또는 그래프 기반 기법을 활용하여 관측된 과거 경로로부터 상호작용을 추론하려 했지만, 이러한 접근 방식은 결정론적(deterministic) 기반에 의존한다. 그러나 복잡한 도로 구조에서는 이러한 방법이 실패할 수 있으며, 미래에 발생할 수 있는 다양한 상호작용을 예측하지 못한다. 본 논문에서는 차선 정보를 활용하여 에이전트 간의 확률적 미래 관계를 예측하는 새로운 접근 방식을 제안한다. 제안된 방법은 먼저 차량의 차선 수준 웨이포인트 점유 확률을 예측함으로써 에이전트의 거시적 미래 운동을 추정한다. 이후 각 에이전트 쌍이 인접한 차선을 통과할 때의 시간적 확률을 이용하여, 인접 차선을 통과하는 에이전트 간에는 높은 상호작용이 발생할 것임을 가정한다. 또한 상호작용을 확률 분포를 통해 모델링함으로써, 여러 가지 가능한 미래 상호작용을 동시에 고려할 수 있도록 한다. 이 확률 분포는 진짜 미래 경로로부터 얻은 상호작용의 사후 분포(posterior distribution)를 학습함으로써 구현된다. 제안된 방법은 대표적인 경로 예측 데이터셋인 nuScenes와 Argoverse에서 검증되었으며, 결과적으로 예측 정확도에서 뚜렷한 성능 향상을 보였으며, 장기 예측 벤치마크 데이터셋에서 최신 기술(SOTA, State-of-the-Art) 수준의 성능을 달성하였다.