본 논문은 자율 주행에서의 신뢰할 수 있는 궤적 예측을 위한 새로운 방법을 제안합니다. 기존 딥러닝 모델의 예측 결과가 비현실적이고 비논리적인 경우가 많다는 문제점을 해결하기 위해, 차량, 보행자, 자전거 이용자 등 다양한 교통 참여자의 상호 작용 및 운동학적 사전 지식을 통합합니다. 클래스별 상호 작용 계층을 도입하여 각 참여자의 행동 차이를 포착하고, 규칙 기반 상호 작용 중요도 점수인 DG-SFM을 통해 상호 작용의 해석성을 향상시킵니다. 또한, 모든 참여자 클래스에 적합한 운동학 모델 (특히 새로운 보행자 운동학 모델)을 제안하여 물리적으로 가능한 예측을 보장합니다. Argoverse 2 데이터셋을 사용한 실험 결과, 제안된 방법이 상호 작용의 해석성을 향상시키고, 잘못된 예측과 사전 지식과의 차이 사이의 상관관계를 보여줍니다. 운동학 모델 통합으로 정확도가 약간 감소하지만, 데이터셋과 기준 모델에서 발견되는 비현실적인 궤적을 제거하여 예측의 신뢰성을 높입니다.
