본 논문은 자율 주행에서 안전하고 효율적인 경로 계획을 위해 필수적인 정확한 움직임 예측에 초점을 맞춥니다. 특히, 예측된 주변 에이전트의 행동에 대한 신뢰할 수 있는 불확실성 추정치가 필요하며, 이는 알레아토릭(Aleatoric) 및 에피스테믹(Epistemic) 불확실성으로 분해하여 환경적 불확실성과 모델 불확실성을 구분함으로써 더욱 강력하고 정보에 입각한 의사결정을 가능하게 합니다. 정보 이론에 기반한 제안된 방법은 불확실성을 측정하고 알레아토릭 및 에피스테믹 구성요소로 분해하는 이론적으로 원칙적인 방법을 제공합니다. 기존 연구와 달리, 본 연구의 접근 방식은 최첨단 움직임 예측기와 호환되어 광범위한 적용성을 제공하며, nuScenes 데이터셋을 사용한 실험을 통해 다양한 아키텍처와 구성이 불확실성 정량화 및 모델 강건성에 미치는 영향을 보여줍니다.
