관측 가능성에 맞춘 증거 기반 마스킹 사전 학습을 통한 신뢰성 있는 VRU 모션 예측

요약

본 논문은 부분적 관측 가능성 하의 취약 보행자(VRU) 모션 예측을 위해 eCoMAE라는 증거 기반 마스킹 사전 학습 방법을 제안합니다. 이 방법은 블록 단위 시간 단계 마스킹과 세 가지 관측 가능성 인식 메커니즘을 결합하여, 예측 신뢰성을 높입니다. IMPTC 등 주요 벤치마크에서 기존 대비 성능 향상을 입증하며 높은 효과를 보였습니다.

핵심 포인트

• eCoMAE는 관측 가능성에 맞춘 증거 기반 마스킹 사전 학습을 수행합니다.
• 세 가지 관측 가능성 인식 메커니즘이 예측 신뢰성을 높이는 핵심입니다.
• IMPTC 벤치마크에서 OOD 정확도 및 AURC를 개선하여 성능을 입증했습니다.
• Waymo, nuScenes 등 다수 데이터셋에서 최고의 파인튜닝 MSE를 기록했습니다.