본 논문은 주행 경로 예측에서 주변 에이전트와의 상호작용을 효과적으로 모델링하기 위해 ASPILin이라는 새로운 방법을 제시합니다. 기존 방법들이 주변 에이전트의 상관관계를 학습 기반으로 계산하는 것과 달리, ASPILin은 물리적 상관관계 계수를 직접 계산하여 Transformer의 어텐션 점수를 대체합니다. 이는 상호작용 모델링의 해석성을 높이고, 놀랍게도 예측 성능을 향상시키고 계산 비용을 크게 줄입니다. 지도 인코딩 등 다른 부분은 의도적으로 단순화하였음에도, INTERACTION, highD, CitySim 데이터셋 실험 결과 ASPILin이 기존 최첨단 방법들을 능가하는 효율적이고 직관적인 방법임을 보여줍니다.
