본 논문은 대규모 언어 모델(LLM) 기반의 에이전트 프레임워크인 TrajAgent를 제안하여, 궤적 데이터 패턴 마이닝 및 미래 예측 등 궤적 모델링의 자동화를 통해 강력하고 효율적인 궤적 모델링을 수행하는 연구를 제시한다. TrajAgent는 다양한 궤적 모델링 작업과 데이터에 걸쳐 자동 궤적 모델링을 위해 설계된 에이전트 워크플로우를 도입하고, LLM 기반 에이전트와 소규모 특화 모델 간의 협업 학습 방식을 활용한다. UniEnv라는 통합 데이터 및 모델 인터페이스를 갖춘 실행 환경을 개발하여 다양한 모델의 실행과 훈련을 지원한다. 4개의 실제 데이터셋과 5개의 작업에 대한 실험을 통해, TrajAgent가 기존 방법론보다 2.38% - 69.91%의 성능 향상을 보임을 입증한다.
