ASCENT: Transformer-Based Aircraft Trajectory Prediction in Non-Towered Terminal Airspace

1. 문제 정의 (Problem)

이 연구는 비관제 (Non-towered) 공항을 중심으로 한 일반 항공 (General Aviation, GA) 의 안전성 향상을 목표로 합니다.

• 배경: 미국 항공기의 약 90% 가 일반 항공에 속하며, 이 중 대부분은 관제탑이 없는 공항에서 운항합니다. 관제탑이 없으므로 조종사는 표준 절차와 자체 판단에 의존해야 하며, 이로 인해 상업 항공 (Commercial Aviation) 에 비해 사고 발생률이 약 30 배 높습니다.
• 과제: 비관제 공역에서의 항공기 궤적 예측은 충돌 감지 및 안전 시스템 구축에 필수적입니다. 그러나 기존 연구들은 자율 주행 (Autonomous Driving) 분야에서 발전된 방법론을 직접 적용하기 어렵게 만드는 고유한 도전 과제를 가지고 있습니다.
  • 3 차원 공간: 항공기는 2 차원 도로가 아닌 3 차원 공간에서 비행합니다.
  • 구조화된 패턴: 항공기는 엄격한 차선 (Lane) 을 따르지 않지만, 활주로와 공역 절차에 따라 정의된 구조화된 비행 패턴 (예: 좌회전, 우회전, 착륙) 을 따릅니다.
  • 긴 예측 시간: 자율 주행은 수 초 단위의 예측인 반면, 항공기는 수 분 (수백 초) 단위의 긴 시간 범위를 예측해야 합니다.
• 기존 방법의 한계: 기존 항공기 궤적 예측 모델들은 주로 변이형 오토인코더 (CVAE) 나 확산 모델 (Diffusion) 과 같은 생성적 확률 모델에 의존하여 다중 모드 (Multi-modal) 예측을 수행했으나, 자율 주행 분야의 최신 성과 (Transformer 기반, 학습 가능한 모드 쿼리 등) 를 충분히 반영하지 못했습니다.

2. 방법론 (Methodology)

저자들은 ASCENT (Aircraft Sequence Encoding Transformer) 라는 경량화된 Transformer 기반 아키텍처를 제안합니다. 이는 자율 주행 분야의 최신 기법을 항공 도메인에 맞게 재구성한 것입니다.

A. 입력 좌표 모델링 (Coordinate Modeling)

• 국소 좌표계 정규화 (Local Normalization): 항공기의 현재 위치와 자세 (Yaw, Pitch) 를 기준으로 역사적 궤적을 정규화합니다. 이는 항공기의 상대적인 운동 패턴 (회전, 상승, 하강) 을 효과적으로 학습하게 합니다.
• 3D 위치 임베딩 (3D Positional Embedding): 국소 좌표계만 사용하면 활주로와의 거리나 방향과 같은 전역적 맥락 (Global Context) 이 손실됩니다. 이를 보완하기 위해 항공기의 절대 위치 $(x, y, z)$ 와 자세 각도 $(\gamma, \theta)$ 를 포함한 새로운 3D 위치 임베딩을 도입하여 전역 정보를 보존합니다.

B. 아키텍처 구성

1. 모션 인코더 (Motion Encoder):

   • 정규화된 역사적 궤적 데이터를 Self-Attention 블록을 사용하여 인코딩합니다.
   • 시간적 인코딩 (Temporal Encoding) 을 추가하고, 최대 풀링 (Max-pooling) 을 통해 단일 모션 특징 벡터로 압축합니다.
   • 전역 위치 정보를 인코딩한 MLP 와 결합하여 최종 에이전트 특징 벡터를 생성합니다.

2. 디코더 (Decoder) - 학습 가능한 모드 쿼리:

   • 기존 항공 연구에서 흔히 쓰이는 CVAE 나 Diffusion 대신, 자율 주행 분야에서 성공적인 학습 가능한 모드 쿼리 (Learnable Mode Queries) 방식을 채택합니다.
   • $k$개의 쿼리를 입력받아 다양한 비행 시나리오 (착륙, 회전 등) 에 대한 다중 모드 예측을 생성합니다.
   • 매개변수화된 예측 (Parameterized Prediction): 직접 3D 좌표를 예측하는 대신, **비행 매개변수 (속도, 요 (Yaw) 각, 피치 (Pitch) 각)**를 예측합니다.
     • 각도는 $\sin$과 $\cos$로 예측하여 $[-\pi, \pi]$ 범위로 안정화하고, 이를 역변환하여 3D 위치를 계산합니다.
     • 이 방식은 실제 비행 역학을 더 잘 포착하고 장기 예측의 안정성을 높입니다.

3. 주요 기여 (Key Contributions)

1. 새로운 아키텍처 제안: 항공기 궤적 예측을 위한 경량 Transformer 기반 모델 ASCENT 를 제안하였으며, TrajAir 데이터셋에서 여러 평가 설정 하에 새로운 State-of-the-Art (SOTA) 성능을 달성했습니다.
2. TartanAviation 데이터셋 최초 평가: 제안된 TartanAviation 데이터셋에 대한 궤적 예측 결과를 최초로 보고하였으며, 교차 데이터셋 평가 (Cross-dataset evaluation) 를 수행했습니다.
3. 광범위한 분석: 디코더 설계, 좌표계 모델링, 매개변수화된 출력의 효과를 입증하기 위한 철저한 제거 실험 (Ablation Study) 을 수행했습니다.

4. 실험 결과 (Results)

연구진은 TrajAir와 TartanAviation 두 가지 데이터셋을 사용하여 실험을 수행했습니다.

• 성능 비교 (TrajAir):

  • 다양한 입력 길이 (11 초, 16 초, 40 초) 및 예측 모드 수 ($k=5, 20$) 설정에서 기존 최첨단 모델 (TrajAirNet, GooDFlight, MID 등) 을 압도적으로 능가했습니다.
  • 예: 11 초 입력, 5 개 모드 예측 시, 기존 SOTA 인 TrajAirNet 의 minFDE5(최종 위치 오차) 가 1.55km 인 반면, ASCENT 는 0.58km로 크게 개선되었습니다.
  • 40 초 입력, 20 개 모드 예측 시에도 GooDFlight(0.39km) 보다 낮은 0.26km의 오차를 기록했습니다.

• TartanAviation 및 교차 평가:

  • 비관제 공항 (KBTP) 과 관제탑이 있는 공항 (KAGC) 데이터 모두에서 우수한 성능을 보였습니다.
  • TrajAir 데이터로 학습하고 TartanAviation 으로 테스트할 때, TrajAir 데이터의 반경 (5km) 내에 있는 궤적에 대해서는 높은 정확도를 보였으나, 더 넓은 범위의 데이터에서는 성능 저하가 관찰되어 데이터의 다양성 필요성을 시사했습니다.

• 지연 시간 (Latency) 분석:

  • ASCENT 는 기존 모델 (TrajAirNet) 에 비해 매우 낮은 지연 시간을 보입니다.
  • 단일 항공기 기준 11ms, 32 개 항공기 배치 시에도 17ms 로 실시간 충돌 감지 및 Edge 배포에 적합함을 입증했습니다. 이는 반복적인 샘플링이 필요 없는 쿼리 기반 디코딩 구조 덕분입니다.

• Ablation Study:

  • 디코더: 학습 가능한 모드 쿼리가 CVAE 기반 디코더보다 성능이 우수함을 확인했습니다.
  • 좌표계: 국소 정규화 + 전역 위치 임베딩 조합이 가장 좋은 성능을 냈습니다.
  • 예측 형식: 직접 위치 예측보다 비행 매개변수 (속도, 각도) 예측이 장기 예측 (minFDE) 에서 더 정확하고 안정적인 궤적을 생성했습니다.

5. 의의 및 결론 (Significance & Conclusion)

• 안전성 향상: 비관제 공역에서의 실시간 항공기 궤적 예측을 통해 잠재적인 충돌을 조기에 감지하고 일반 항공의 안전성을 획기적으로 높일 수 있는 가능성을 제시했습니다.
• 크로스 도메인 지식 전이: 자율 주행 분야의 최신 기술 (Transformer, 모드 쿼리, 매개변수화 예측) 이 항공 도메인에서도 효과적으로 적용될 수 있음을 입증했습니다.
• 실용성: 경량화된 아키텍처와 낮은 지연 시간은 실제 항공 교통 관리 시스템이나 조종사 지원 도구로의 실용적 적용을 가능하게 합니다.

한계점 및 향후 과제:

• 현재 모델은 활주로 위치와 같은 전역적 관계를 암시적으로 학습하므로, 다른 공항으로의 일반화에는 미세 조정 (Fine-tuning) 이 필요할 수 있습니다.
• 기상 조건 등 추가적인 컨텍스트 정보는 아직 포함되지 않았으나, 향후 모델 확장을 통해 통합될 수 있습니다.

이 논문은 항공기 궤적 예측 분야에서 생성적 모델에서 Transformer 기반의 결정론적/매개변수적 접근으로의 패러다임 전환을 주도하며, 비관제 공역 안전 기술의 새로운 기준을 제시했습니다.