# RetroMotion: Retrocausal Motion Forecasting Models are Instructable

### 저자

Royden Wagner, Omer Sahin Tas, Felix Hauser, Marlon Steiner, Dominik Strutz, Abhishek Vivekanandan, Jaime Villa, Yinzhe Shen, Carlos Fernandez, Christoph Stiller

### 💡 개요

본 논문은 복잡한 다중 에이전트 모션 예측 문제에서 에이전트 수를 줄이기 위해 마진 분포와 상호 작용 에이전트의 결합 분포를 분리하는 새로운 접근 방식인 RetroMotion을 제안합니다. 제안된 방법론은 트랜스포머 기반 모델을 사용하여 마진 분포를 재인코딩하고 쌍별 모델링을 통해 결합 분포를 생성하며, 이는 역인과적 정보 흐름을 통해 궤적의 후반부에서 전반부로 정보를 전달합니다. 결과적으로 RetroMotion은 Waymo Interaction Prediction Challenge에서 우수한 성능을 보이며 다른 데이터셋에서도 좋은 일반화 능력을 입증하고, 훈련 과정에서 암묵적으로 지시를 따르는 능력을 획득하여 향후 모션 예측 모델의 제어 가능성을 제시합니다.

### 🔑 시사점 및 한계

- 다중 에이전트 모션 예측에서 발생하는 출력 공간의 기하급수적 증가 문제를 효과적으로 완화하는 새로운 모델 구조를 제시합니다.

- 트랜스포머 모델과 역인과적 정보 흐름을 활용하여 모션 예측의 정확도를 높이고, 나아가 모델이 사용자 지시에 반응하는 제어 가능성을 부여합니다.

- 제안된 방법론은 다양한 실제 데이터셋에서 검증되었으며, 지시 기반 모션 예측이라는 새로운 연구 방향을 열어줍니다.

- 현재 연구는 특정 유형의 에이전트 상호 작용이나 복잡한 환경 제약 조건에 대한 일반화 성능을 더 향상시킬 필요가 있습니다.

[PDF 보기](https://arxiv.org/pdf/2505.20414)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).