본 논문은 자율주행 자동차의 환경적 방해 요소(센서 노이즈, 조명, 날씨, 외부 공격)로 인한 유령 객체(존재하지 않거나 위치가 잘못된 객체) 검출 문제를 해결하기 위한 연구이다. 기존의 방법들은 모든 감지된 객체를 회피하여 안전을 확보하지만, 유령 객체 회피는 더 위험한 상황을 초래할 수 있다. 본 논문은 전체 시나리오 간의 관계 학습을 통해 유령 객체를 탐지하고 통합된 엔드투엔드 내비게이션 시스템을 개발하는 방법을 제시한다. 주변 차량 간의 시공간적 관계를 학습하여 각 차량의 정보 신뢰도를 나타내고, 이를 활용하여 로봇 내비게이션 네트워크를 구축한다. 네트워크는 신뢰도를 표현하고 불확실성을 가진 정보를 스스로 집계하는 방법을 학습하도록 설계되어 효율성과 일반화 성능을 향상시킨다. CARLA 시뮬레이션 결과를 통해 제안된 방법의 실현 가능성과 효과를 입증한다. 이는 유령 차량 존재 하에서 그래프 관계 학습을 이용한 엔드투엔드 강건한 내비게이션에 대한 최초의 연구이다.
