본 논문은 자율주행에서의 궤적 예측의 정확도 향상을 목표로, 특히 훈련 데이터 내 희귀 사고 시나리오 부족으로 인한 장기 분포(long-tail) 문제 해결에 집중합니다. 실제 사고 시나리오의 궤적 데이터를 활용하여 그래프 기반 위험 정보와 확산(diffusion)을 Transformer에 통합한 새로운 궤적 예측 방법인 Risk-Informed Diffusion Transformer (RI-DiT)를 제안합니다. RI-DiT는 역 충돌 시간(ITTC)과 교통 흐름 특징을 통합하여 장기 분포 궤적을 더 정확하게 예측하고 자율주행 시스템의 안전성을 향상시킵니다. 실제 사고 시나리오 데이터를 이용한 실험 결과, 상위 10%의 장기 분포 데이터에 대해 minADE 0.016m, minFDE 2.667m의 성능을 보였으며, 장기 분포의 궤적이 비례적으로 불규칙함을 보였습니다.
