정확한 선박 궤적 예측 (vessel trajectory prediction)은 충돌 회피를 가능하게 하고 경로 최적화를 지원함으로써 안전하고 효율적인 해상 운항을 위해 필수적입니다. 메모리 증강 신경망 (memory-augmented neural networks)은 최근 외부 메모리 (external memory)에서 관련 정보를 선택적으로 검색함으로써 보행자 및 도로 차량 궤적 예측에서 강력한 성능을 보여주었지만, 선박 궤적 예측에 대한 잠재력은 아직 충분히 탐구되지 않았습니다. 본 논문은 자동 식별 시스템 (Automatic Identification System, AIS) 데이터를 사용한 메모리 기반 궤적 예측에 대한 실증적 조사를 제시합니다. 멕시코만 (Gulf of Mexico)과 뉴욕 바이트 (New York Bight)의 데이터를 활용한 실험 결과, 외부 메모리를 포함하지 않는 다양한 딥러닝 (deep learning) 베이스라인 모델들에 비해 일관되고 상당한 성능 향상을 입증하였습니다.