구조를 제안하였다.
∘ 그래프 컨볼루션 네트워크(GCN)는 객체들과 그 객체들 간의 관계로 표현
되는 그래프 형태의 데이터를 학습할 수 있는 딥러닝 네트워크이다. 장면
내 모든 보행자를 시공간 그래프(Spatio-Temporal Graph)로 형상화해 사
회적 상호작용을 표현하였으며, 보행자 꼭짓점 간 강한 결속을 풀어 부분
그래프 집합을 만드는 방법을 도입해 효율성과 정확성을 높였다.
∘ 또한, 종래 예측 방법과 달리 누적 오류를 보상하는 벡터를 통해 오버
슈팅을 방지하고 본래의 목적지 방향으로 경로가 복구될 수 있도록 하
는 새로운 방법론을 제시했다. 제안된 방법을 통해 기존 방법론들이 해
결하지 못하는 보행자의 집단합류, 집단 움직임, 급격한 회전 등 복잡하
고 다양한 형태의 경로 예측이 가능해졌다. 게다가 제안된 방법론의 네
트워크 용량이 가벼워 실용화 관점에서도 그 우수성을 인정받았다.
□ 전해곤 교수는 “본 연구 그래프 기반의 네트워크 구조를 통해 보행자
의 움직임을 다양한 관점에서 모델링했다는데 학술적 의미가 있다”면
서, “딥러닝 기반 방법론 특유의 빠른 추론 속도와 제안한 알고리즘
의 강인한 성능이 맞물려 보행자 경로 예측 기술의 실용화를 앞당길
것으로 기대된다”고 말했다.
□ 지스트 AI대학원 전해곤 교수(교신저자)와 전기전자컴퓨터공학부 석사
과정 배인환(제1저자) 학생의 주도로 수행된 이번 연구는 인공지능 분
야 최고 권위의 국제 학술대회인 AAAI Conference on Artificial
Intelligence(이하 AAAI)에 2021년 2월 5일 발표됐으며, 2021 AAAI 학회
논문집에 수록될 예정이다.
□ 한편, AAAI는 세계인공지능학회가 주최하는 국제적 최고권위의 학술
행사로 올해로 35회째를 맞는다. 매년 다양한 분야의 글로벌 석학과
최고 권위자들이 한자리에 모여 머신러닝, 딥러닝 등 최신 인공지능
기술과 연구 동향을 공유하는 자리다. <끝>