본 논문은 선박 궤적 예측의 정확도를 높이기 위해 다중 모드 지식 강화 프레임워크(MAKER)를 제안합니다. MAKER는 불규칙한 표본 추출 시간 간격 문제를 해결하기 위해 사전 훈련된 언어 모델을 활용하여 궤적 특정 상황 지식을 효과적으로 전달하는 대규모 언어 모델 기반 지식 전이(LKT) 모듈을 사용합니다. 또한, 복잡한 궤적 패턴 학습 능력을 향상시키기 위해 운동학적 지식을 사용하여 훈련 중 복잡한 패턴을 점진적으로 통합하는 지식 기반 자기 학습(KSL) 모듈을 통합합니다. 두 개의 선박 궤적 데이터 세트에 대한 실험 결과, MAKER는 최첨단 방법의 예측 정확도를 12.08%~17.86% 향상시킬 수 있음을 보여줍니다.
