인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
In real-world autonomous driving scenarios, the accuracy of vehicle trajectory prediction is often constrained by limited observation ranges caused by sensor range limitations, occlusions, or environmental variability. Although many deep learning–based models have demonstrated promising results on public benchmarks with fixed and sufficiently wide observation ranges, their performance degrades significantly when the available observation length is reduced. This discrepancy highlights the importance of developing prediction models that are robust to variations in observation conditions. To address this problem, the present study investigates how observation range influences trajectory prediction performance and proposes a training strategy that enhances robustness against such variations. Specifically, we analyze state-of-the-art models under different observation settings and introduce a method that randomly varies the observation range during training to improve adaptability. The proposed approach enables the model to generalize across diverse observation scenarios and maintain stable performance even under restricted sensing conditions.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095660758
