기술 요약: LAMP (Lane-Aligned Motion Primitives)를 이용한 실현 가능한 궤적 예측

1. 문제 정의

모션 예측(Motion forecasting)은 자율 주행 시스템의 핵심 구성 요소로, 과거 상태와 지도 컨텍스트를 기반으로 주변 에이전트의 확률적인 미래 궤적을 예측하는 역할을 수행한다. 기존의 예측 모델들은 표준 변위 오차(예: ADE, FDE)를 최소화하는 데는 효과적이지만, 다중 모드(multimodal) 예측이 차선 토폴로지(lane topology)를 준수하도록 보장하는 데는 종종 실패한다.

현재의 방식들은 일반적으로 궤적 앵커(trajectory anchors)나 타겟 포인트(target points)와 같은 사전 정의된 의도 프라이어(intention priors)에 의존하며, 이는 특정 장면 컨텍로와는 독립적으로 설계되는 경우가 많다. 결과적으로, 이러한 장면 불가지론적(scene-agnostic) 프라이어는 특히 낮은 확률의 모드에 대해 구조적으로 실행 불가능한 궤적을 생성하는 경우가 빈번하다. 이러한 물리적 및 논리적 제약 조건의 위반(예: 도로 밖 예측 또는 불가능한 차선 전환)은 위험을 평가하고 안전한 의사결정을 보장해야 하는 안전 필수 하위 계획(downstream planning) 모듈에 예측 세트가 신뢰할 수 없게 만든다.

2. 방법론

저자들은 **LAMP (Lane-Aligned Motion Primitives)**를 제안한다. 이는 구조화된 모션 프리미티브를 차선 토폴로지에 정렬시켜 다중 모드 예측을 고정하기 위해 설계된 토폴로지 인식형 예측 프레임워크이다. 이 프레임워크는 UniTraj 플랫폼 내의 Motion Transformer (MTR) 아키텍처를 기반으로 구축되었으며, 세 가지 핵심 구성 요소로 이루어져 있다.

A. VQ-VAE를 통한 이산적 의도 쿼리 (Discrete Intention Queries)

의도를 정적인 엔드포인트(endpoint)나 연속적인 잠재 변수로 모델링하는 대신, LAMP는 VQ-VAE(Vector Quantized Variational AutoEncoder)를 사용하여 의도를 학습 가능한 이산 쿼리 집합으로 정식화한다.

• 학습 과정: 수집된 주행 궤적에 대해 비포화 벡터 양자화(Non-Saturating Vector Quantization, NSVQ) 기반의 VQ-VAE를 학습시킨다. 인코더는 그라운드 트루스 궤적을 잠재 공간으로 매핑하며, 이는 학습 가능한 코드북의 가장 가까운 코드 벡터로 양자화된다. 디코더는 이러한 코드들을 **모션 프리미티브(motion primitives)**라고 불리는 궤적 프로토타입으로 재구성한다.
• 쿼리 형성: 이산 코드북의 각 코드는 모션 프리미티브로 디코딩된다. 이후 의도 쿼리는 코드 임베딩과 프리미티브의 엔드포인트로부터 유도된 공간적 접지(spatial grounding) 항을 결합하여 형성된다. 이러한 정식화는 엔드포인트 기반 방식이 놓치기 쉬운 풍부한 시공간적 역동성(예: 직선 경로에서의 다양한 속도 변화 또는 회전 시의 서로 다른 곡률)을 포착한다.

B. 실행 가능성을 고려한 의도 선택기 (Feasibility-Aware Intention Selector)

생성된 가설이 물리적 및 논리적으로 실행 가능함을 보장하기 위해, LAMP는 최종 디코딩 단계 이전에 작동하는 차선 토폴로지 가이드 의도 선택기를 도입한다.

• 메커니즘: 선택기는 의도 쿼리로부터 디코딩된 $K$개의 모션 프리미티브를 평가한다. 이는 에이전트의 현재 포즈로부터 도달 가능한 차선을 식별하기 위해 HD 맵의 차선 연결성을 탐색하여 구축된 차선 토폴로지 프라이어를 활용한다.
• 스코어링: 실행 가능성 스코어링 함수는 각 가설과 도달 가능한 차선 집합 사이의 거리를 계산하여 소프트 티처 분포(soft teacher distribution)를 생성한다. 선택기는 이 분포를 일치시키도록 학습되어, 도달 불가능하거나 도로 밖인 의도 쿼리를 효과적으로 필터링한다.
• 선택: 상위 $L$개의 실행 가능한 의도만이 유지되어 트랜스포머 디코더로 전달된다. 이는 실행 불가능한 가설이 어텐션 컨텍스트를 오염시키는 것을 방지하여, 최종 예측 세트가 다양하면서도 토폴로지 일관성을 갖춘 궤적으로 구성되도록 보장한다.

C. 학습 파이프라인

프레임워크는 2단계 학습 전략을 채택한다.

1. 1단계: NSVQ 기반 VQ-VAE를 학습시켜 의도 쿼리와 모션 프리미티브의 이산 코드북을 학습시킨다. 이후 코드북과 디코더를 동결(freeze)한다.
2. 2단계: 예측 백본(MTR)과 의도 선택기를 엔드투엔드(end-to-end)로 학습시킨다. 전체 손실 함수는 표준 음의 로그 가능도(negative log-likelihood) 손실(최적 매칭 모드에 대해)과 선택기의 예측과 차선 토폴로지 프라이어 사이의 Kullback-Leibler 발산을 최소화하는 보조 손실을 결합한다.

3. 주요 기여

본 논문은 세 가지 주요 기여를 설명한다:

1. LAMP 프레임워크: 구조화된 모션 프리미티브와 실행 가능성을 고려한 의도 선택을 결합하여 다중 모드 예측 세트의 신뢰성을 향상시키는 토폴로지 인식형 모션 예측 프레임워크이다.
2. 이산 의도 정식화: VQ-VAE를 통해 주행 의도를 이산 쿼리로 정식화하는 새로운 방식으로, 각 쿼리는 단순한 엔드포인트를 넘어 풍부한 시공간적 역동성을 포착하는 궤적 프로토타입으로 디코딩된다.
3. 차선 토폴로지 가이드 선택: 차선 토폴로지를 기반으로 실행 불가능한 가설을 필터링하는 의도 선택기를 도입하여, 변위 정확도를 유지하면서도 실행 가능성과 다양성 지표를 개선하였다.

4. 실험 결과

저자들은 Argoverse 2 모션 예측 데이터셋에서 MTR, Wayformer, Forecast-MAE, EMP, Autobot과 같은 강력한 베이스라인들과 비교하여 LAMP를 평가하였다.

• 정확도: LAMP는 표준 변위 지표(b-minADE6, b-minFDE6)에서 최첨단(SOTA) 베이스라인들과 대등한 예측 정확도를 달성하였다.
• 실행 가능성: 모델은 구조적 신뢰성 측면에서 상당한 개선을 보여준다. 구체적으로, LAMP는 DAC(주행 가능 영역 일관성)와 FR(교통 규칙 제약을 포함한 실행 가능 비율)에서 베이스라인보다 우수한 성능을 보인다. 특히 FR의 개선은 교통 규칙을 위반하는 동작이 감소했음을 나타내는 주목할 만한 결과이다.
• 다양성: LAMP는 실행 가능성을 유지하면서 다양성 지표(APD6, FPD6)를 개선한다. 저자들은 실행 가능한 서브셋에 대해서만 다양성을 측정하는 DwF(Diversity-while-Feasible)라는 지표를 도입하였으며, LAMP는 여기서도 상당한 이득을 보여준다.
• 정성적 분석: 교차로 시나리오에서의 시각화 결과, 베이스라인들은 종종 하나의 지배적인 모드에 집중하거나 도로 밖 궤적에 확신을 부여하는 반면, LAMP는 차선 토폴로지를 엄격히 준수하면서도 다양하고 타당한 기동을 생성한다.

5. 의의 및 주장

본 논문은 LAMP가 자율 주행 인지 분야의 중요한 간극, 즉 예측 정확도와 구조적 실행 가능성 사이의 트레이드오프를 해결한다고 주장한다. 학습 가능한 모션 프리미티브로 주행 의도를 명시적으로 모델링하고 이를 차선 토폴로지 프라이로 필터링함으로써, LAMP는 신뢰할 수 있는 다중 모드 예측 세트를 제공한다.

이 프레임워크의 의의는 예측이 단순히 다양할 뿐만 아니라(다양한 주행 의도를 포괄), 플래너에게 유효한(planner-relevant)(물리적 및 논리적 제약을 준수하는) 궤적을 생성할 수 있다는 점에 있다. 이는 하위 계획 모듈이 위험을 안전하게 평가할 수 있는 궤적 세트를 전달받게 함으로써, 실행 불가능한 예측으로 인한 계획 실패 가능성을 줄여준다. 저자들은 LoRA를 통한 맵 적응형 디코딩(map-adaptive decoding)이 실행 가능성을 더욱 높이기 위해 탐색되었으나, 다중 모드 다양성의 붕괴를 초래했음을 언급하며, 최종 모델은 조기 맵 컨디셔닝 없이 실행 가능성과 다양성 사이의 균형을 우선시한다고 밝혔다.