Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Towards Human-Like Trajectory Prediction for Autonomous Driving: A Behavior-Centric Approach

Created by
  • Haebom

저자

Haicheng Liao, Zhenning Li, Guohui Zhang, Keqiang Li, Chengzhong Xu

개요

본 논문에서는 자율 주행 시스템을 위한 차량 궤적 예측 모델인 HiT(Human-like Trajectory Prediction)을 제시합니다. HiT는 행동 인식 모듈과 동적 중심성 측정을 통합하여 기존의 정적 그래프 구조 기반 모델과 달리 교통 참여자 간의 직접적 및 간접적 상호 작용을 고려하는 동적 프레임워크를 사용합니다. NGSIM, HighD, RounD, ApolloScape, MoCAD++ 등 다양한 실제 데이터셋을 사용한 실험 결과, HiT는 여러 지표에서 다른 최고 성능 모델들을 능가하며, 특히 공격적인 운전 행동이 포함된 상황에서 뛰어난 성능을 보였습니다. 이는 자율 주행 시스템의 안전성과 효율성 향상에 기여하는 더욱 신뢰할 수 있고 해석 가능한 접근 방식을 제시합니다.

시사점, 한계점

시사점:
동적 상호 작용을 고려한 동적 프레임워크를 통해 더욱 정확하고 사람과 유사한 궤적 예측이 가능함을 보여줌.
다양한 실제 데이터셋에서 우수한 성능을 검증하여 실제 적용 가능성을 높임.
공격적인 운전 행동과 같은 복잡한 상황에서도 높은 예측 정확도를 달성함.
더욱 안전하고 효율적인 자율 주행 시스템 개발에 기여할 수 있음.
한계점:
본 논문에서는 구체적인 한계점이 언급되지 않음. 추가적인 실험 및 분석을 통해 모델의 일반화 성능 및 다양한 환경에서의 성능 저하 가능성 등을 검토할 필요가 있음.
특정 데이터셋에 대한 과적합 가능성에 대한 검토가 필요함.
모델의 계산 복잡도 및 실시간 처리 가능성에 대한 분석이 필요함.
👍