DSiGAT는 자율주행·ADAS의 안전한 경로 계획을 위해 국소 교통 장면 내 모든 관련 차량의 차선 변경 의도와 미래 궤적을 동시에 예측하는 동적 장면 그래프 어텐션 프레임워크다. 차량을 노드로, 공간·운동학적 관계를 명시적 엣지 특징으로 인코딩한 시변 상호작용 그래프 위에서 시간적 그래프 어텐션 메시지 전달로 기동 전 신호를 포착하고, 의도 유도 디코더가 예측된 기동과 미래 움직임을 연결하며 장면 수준 일관성 목적함수로 다중 차량 미래의 정합성을 높인다. NGSIM I-80·US-101에서 의도 예측 정확도 각각 90.12%·90.97%를 기록했고, 최강 베이스라인 대비 궤적 RMSE를 최대 52.94% 줄였다. 에이전트 간 충돌률과 결합 변위 오차도 낮아, 단일 차량 중심 예측을 넘어 장면 전체의 정합적 예측이 가능함을 보였다.
- •차량을 노드, 공간·운동학 관계를 명시적 엣지로 인코딩한 시변 상호작용 그래프에서 장면 내 전 차량의 의도·궤적 동시 예측
- •NGSIM I-80·US-101에서 차선 변경 의도 예측 정확도 90.12%·90.97% 달성
- •최강 베이스라인 대비 궤적 RMSE 최대 52.94% 감소(highD 포함 3개 데이터셋 검증)
- •장면 수준 일관성 목적함수로 에이전트 간 충돌률과 결합 변위 오차 감소
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
A Dynamic Scene Interaction Reasoning Framework for Scene-level Lane-Change Intention and Trajectory Prediction of Multiple Interacting Vehicles
- 1.DSiGAT 제안: 장면 내 모든 차량의 차선변경 의도와 궤적을 동시 예측하는 동적 장면 그래프 어텐션
- 2.NGSIM I-80·US-101에서 의도 예측 정확도 90.12%·90.97%, 궤적 RMSE 최대 52.94% 감소
- 3.차량을 노드, 공간·운동학 관계를 엣지로 모델링한 시변 상호작용 그래프와 의도 유도 디코더 결합
- 4.장면 수준 일관성 목표로 차량 간 충돌률과 공동 변위 오차 감소
왜 중요한가?
기존 차선변경 예측이 단일 차량 중심이거나 위치만 예측하던 한계를 넘어, 장면 전체 차량의 기동 의도와 궤적을 정합성 있게 예측한다. ADAS·자율주행의 안전한 모션 플래닝에 필요한 장면 수준 예측 품질을 실측 데이터로 입증했다.
언급 프로젝트
자율주행 차량이 다수의 차량과 상호작용하는 복잡한 상황에서 차선 변경 의도와 궤적을 예측하는 이 프레임워크는 국내 자율주행 기술 발전에 필수적입니다. 현대자동차그룹 등 한국의 주요 자동차 제조사 및 IT 기업들은 안전하고 신뢰할 수 있는 자율주행 시스템 구현을 위해 이러한 예측 정확도 향상에 큰 관심을 가지고 있으며, 이는 교통사고 예방에도 기여할 수 있습니다.
본문 미리보기
arXiv:2607.09740v1 Announce Type: new Abstract: Safe motion planning in advanced driver-assistance systems and autonomous vehicles requires an accurate understanding of how the surrounding traffic scene is likely to evolve. However, many existing lane-change prediction methods remain centered on a single target vehicle, while multi-agent forecasting approaches often describe scene evolution only through future positions and provide limited explicit information about the maneuver associated with
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
