보행자 궤적 예측은 자율 주행, 감시 시스템 및 도시 계획 응용 분야에서 안전을 보장하는 데 매우 중요합니다. 기존 연구는 1-홉 쌍별 관계에 초점을 맞춘 반면, 최근 연구는 여러 Graph Neural Network (GNN) 레이어를 쌓아 고차 상호 작용을 포착하려 시도했습니다. 하지만 이러한 접근 방식은 근본적인 트레이드 오프에 직면합니다. 레이어가 부족하면 모델의 수용 필드가 제한될 수 있고, 과도한 깊이는 과도한 계산 비용을 초래할 수 있습니다. 본 논문에서는 ViTE (Virtual graph Trajectory Expert router)라는 새로운 보행자 궤적 예측 프레임워크를 제안합니다. ViTE는 깊은 GNN 스택 없이 동적 가상 노드를 도입하여 장거리 및 고차 상호 작용을 모델링하는 가상 그래프와, Mixture-of-Experts 설계를 사용하여 사회적 맥락에 따라 상호 작용 전문가를 적응적으로 선택하는 Expert Router로 구성됩니다. 세 가지 벤치마크(ETH/UCY, NBA, SDD)에 대한 실험에서 제안된 방법이 일관되게 최첨단 성능을 달성하여 효과성과 실용적 효율성을 입증했습니다.
