본 논문은 자율주행을 위한 신뢰할 수 있는 궤적 예측 모델을 제안합니다. 기존 딥러닝 모델의 예측 결과가 비현실적이고 비논리적인 경우가 많다는 점을 해결하기 위해, 차량, 보행자, 자전거 이용자 등 다양한 교통 참여자의 상호작용 및 운동학적 사전 지식을 통합합니다. 특히, 각 교통 참여자 유형에 따른 상호작용 계층을 도입하여 행동 차이를 반영하고, 규칙 기반 상호작용 중요도 점수인 DG-SFM을 통해 상호작용 해석성을 개선합니다. 또한, 모든 유형의 교통 참여자에 적합한 운동학 모델(보행자를 위한 새로운 모델 포함)을 제시하여 물리적으로 타당한 예측을 보장합니다. Argoverse 2 데이터셋을 사용한 실험 결과, 제안된 방법이 상호작용 해석성을 향상시키고, 잘못된 예측과 사전 지식의 차이 사이의 상관관계를 보여줍니다. 운동학 모델 통합으로 인해 정확도가 약간 감소하지만, 데이터셋과 기준 모델에서 발견되는 비현실적인 궤적을 제거하여 신뢰성을 높입니다.
