본 논문은 자율주행 자동차(AV)의 복잡한 교통 환경 내비게이션 학습을 위해 전문 운전자의 행동을 모방하는 모방 학습(imitation learning)에 대한 연구이다. 기존 모방 학습 프레임워크는 전문가 데모에 집중하지만, 주변 교통 참여자의 복잡한 운전 데이터 활용 가능성은 간과하는 경우가 많다. 본 연구는 AV 센서가 포착한 근처 차량의 관찰된 경로를 추가적인 데모로 활용하는 데이터 증강 전략을 제시한다. 정보적이고 다양한 운전 행동을 우선시하는 간단한 차량 선택 샘플링 및 필터링 전략을 도입하여, 더욱 풍부한 학습 데이터셋을 구축한다. 대규모 실제 데이터셋에서 대표적인 학습 기반 계획자를 사용하여 평가한 결과, 복잡한 운전 시나리오에서 성능이 향상됨을 보여준다. 특히, 충돌률을 줄이고 안전 지표를 개선하며, 원래 데이터셋의 10%만 사용하더라도 전체 데이터셋을 사용한 성능과 동등하거나 뛰어넘는 성능을 달성한다. 에이블레이션 연구를 통해 선택 기준을 분석하고, 단순 무작위 선택은 성능 저하를 초래할 수 있음을 보여준다. 이 연구는 모방 학습에서 다양한 실제 경로 데이터 활용의 가치를 강조하고, 자율 주행을 위한 데이터 증강 전략에 대한 통찰력을 제공한다.
