움직이는 마음: 인지적 통찰력을 활용한 자율주행에서의 경로 예측 해독

Liao 박사 연구팀은 인지된 안전성 개념을 활용한 Cognitive-Informed Transformer (CITF)를 개발하여 자율주행 차량의 경로 예측 정확도를 크게 향상시켰습니다. 세 가지 데이터셋에서 기존 최고 성능을 뛰어넘는 결과를 보였으며, 데이터 부족 상황에서도 강력한 성능을 유지합니다.

자율주행 자동차(AV)의 안전한 운행을 위해 주변 차량의 미래 경로를 정확하게 예측하는 것은 매우 중요합니다. 혼잡한 자율주행 환경에서, 차량의 경로는 인간 운전자의 의사결정 과정에 의해 결정됩니다. 하지만 기존 모델들은 주로 데이터의 고유한 통계적 패턴에 초점을 맞춰, 인간 운전자의 의사결정 과정을 이해하는 중요한 측면을 종종 간과했습니다. 이러한 간과는 인간 운전자의 진정한 의도를 포착하지 못하는 모델로 이어져 장기적인 경로 예측에서 최적의 성능을 발휘하지 못하게 됩니다.

이러한 한계를 해결하기 위해, Liao 박사 연구팀은 인지 개념인 '인지된 안전성(Perceived Safety)'을 통합한 Cognitive-Informed Transformer (CITF) 를 도입했습니다. 인지된 안전성은 다양한 운전 행동을 가진 운전자들의 변화하는 위험 허용치를 담고 있습니다. 구체적으로, 연구팀은 시나리오 내 위험 수준을 측정하는 정량적 안전성 평가(Quantitative Safety Assessment)와 운전자 행동 특성 분석(Driver Behavior Profiling)을 포함하는 인지된 안전성 인식 모듈(Perceived Safety-aware Module) 을 개발했습니다.

또한, 차량 간의 사회적 상호 작용을 포착하도록 설계된 새로운 모듈인 Leanformer를 제시했습니다. CITF는 세 가지 잘 알려진 데이터셋(NGSIM, HighD, MoCAD)에서 상당한 성능 향상을 보여주었습니다. 장기 예측 측면에서 NGSIM 데이터셋에서는 기존 기준보다 12.0%, HighD 데이터셋에서는 28.2%, MoCAD 데이터셋에서는 20.8%의 성능 향상을 달성했습니다. 또한, 데이터가 제한적이거나 누락된 시나리오에서도 강력한 성능을 보여주어 대부분의 최첨단(SOTA) 기준 모델을 능가하며 실제 응용을 위한 길을 열었습니다.

이 연구는 자율주행 기술의 안전성과 신뢰성을 높이는 데 크게 기여할 것으로 기대되며, 특히 인간 운전자의 행동을 더욱 정확하게 예측하고 이해함으로써 자율주행 시스템의 의사결정 능력을 향상시키는 데 중요한 발전입니다. 앞으로의 연구는 인지된 안전성 개념을 더욱 발전시키고 다양한 운전 상황에 적용하여 더욱 안전하고 효율적인 자율주행 시스템을 구축하는 데 초점을 맞춰야 할 것입니다. 이를 통해 인간과 자율주행 시스템 간의 안전하고 효율적인 상호 작용을 가능하게 할 수 있을 것입니다.