자율주행 시스템에서 궤적의 안전성과 주행 효율을 결정하는 중요한 요소인 모션 플래닝에 대한 연구. 딥러닝 기반의 플래닝 방식은 발전했지만 단일 데이터셋 학습에 국한되어 견고성이 떨어진다는 한계가 존재한다. 본 논문은 다양한 데이터셋에서 차량 궤적 분포와 과거-미래 상관관계가 일관성을 보인다는 점에 착안하여, 멀티 데이터셋 통합을 위한 최초의 플래닝 프레임워크인 UniPlanner를 제안한다. UniPlanner는 History-Future Trajectory Dictionary Network (HFTDN), Gradient-Free Trajectory Mapper (GFTM), Sparse-to-Dense (S2D) 패러다임의 세 가지 혁신적인 기술을 통해 데이터셋 간의 통합 학습을 달성한다.
