본 논문은 자율 주행에서 주변 도로 사용자의 궤적 예측을 위한 새로운 프레임워크를 제안합니다. 기존 방법들의 한계인 도로 이탈 예측 및 운동학적 타당성 부족 문제를 해결하기 위해, 허용 가능한 주행 방향 및 경계를 이용하여 궤적 예측을 제약된 회귀 문제로 공식화합니다. 에이전트의 현재 상태와 HD 지도를 사용하여 유효한 경계를 정의하고, 좌우 경계 폴리라인 사이에 중첩된 경로를 학습하도록 네트워크를 훈련하여 도로 내 예측을 보장합니다. 운동학적 제약을 준수하면서 차량의 주행 거리를 결정하는 가속도 프로파일을 예측하여 타당성을 보장합니다. Argoverse-2 데이터셋을 사용하여 HPTR 기준과 비교 평가한 결과, 일부 벤치마크 지표는 약간 감소했지만 최종 변위 오차가 크게 개선되었고, 불가능한 궤적이 제거되었습니다. 또한, 덜 빈번한 조작 및 알려지지 않은 분포 외 상황에 대한 일반화 성능이 뛰어나며, 적대적 공격 하에서 도로 이탈률을 66%에서 1%로 감소시켰습니다.
