Sign In

INTENT: Trajectory Prediction Framework with Intention-Guided Contrastive Clustering

Created by
  • Haebom
Category
Empty

저자

Yihong Tang, Wei Ma

개요

본 논문은 도로 주행자(보행자, 차량 등)의 궤적 예측을 위한 효율적인 모델인 INTENT를 제시합니다. 기존 모델들의 복잡성과 실시간 처리의 어려움을 해결하기 위해, 다층 퍼셉트론(MLP) 기반의 경량 모델을 설계하였습니다. 특히, 주행자의 의도를 추론하는 데 중점을 두고, 대조 클러스터링 기법을 활용하여 모호하고 추상적인 의도를 모델링합니다. 궤적 관측값 변환 알고리즘을 통해 강건한 궤적 표현을 얻고, 보행자와 자율주행 차량에 대한 실제 데이터셋을 이용한 실험을 통해 INTENT의 효율성과 정확성을 입증합니다.

시사점, 한계점

시사점:
경량 모델 설계를 통해 실시간 궤적 예측 및 실제 환경 적용 가능성을 높였습니다.
주행자의 의도를 명시적으로 모델링하여 예측 정확도를 향상시켰습니다.
대조 클러스터링을 통해 모호한 의도를 효과적으로 처리했습니다.
MLP 기반의 단순한 구조로 인해 학습 및 추론 시간이 단축되었습니다.
한계점:
모델이 오직 궤적 정보에만 의존하기 때문에, 지도 정보나 다른 환경 정보를 활용하지 못하는 한계가 있습니다.
대조 클러스터링의 성능은 클러스터링 파라미터에 민감할 수 있으며, 최적 파라미터 설정이 중요합니다.
실험은 특정 데이터셋에 국한되어 있으며, 다양한 환경 및 상황에 대한 일반화 성능은 추가적인 연구가 필요합니다.
👍