교차로는 자율주행차가 다른 운전자의 다음 행동을 빠르게 해석해야 하는 대표적 공간이다. 직진할지, 왼쪽이나 오른쪽으로 회전할지를 미리 알면 궤적 예측과 회피 판단에 중요한 단서를 더할 수 있다. Logine M. Zaki와 Catherine M. Elias가 공개한 INTENT는 이런 차량 의도를 사건 발생 2초 전에 분류하는 LSTM 기반 프레임워크다. 2026년 7월 9일 arXiv에 제출된 프리프린트다.
연구진은 교차로에 진입한 차량의 행동을 직진, 좌회전, 우회전의 세 범주로 다룬다. 시간 순서에 따라 변하는 주행 정보를 처리하기 위해 장단기 기억 신경망인 LSTM을 사용했다. 의도 예측을 독립적인 안전 기능으로 보는 데 그치지 않고, 예측된 의도를 조건으로 삼아 이후 궤적 예측을 개선할 수 있다는 활용 방향도 제시한다.
모델 실험과 구성 요소를 제거해 영향을 확인하는 절제 연구는 InD 데이터셋에서 진행됐다. 초록에 따르면 INTENT는 99.71% 정확도를 기록했다. 이는 연구진이 설정한 데이터와 분류 과제에서 나온 결과이며, 복잡한 교차로 상호작용을 시간적으로 포착하는 LSTM 접근의 가능성을 보여준다.
다만 이 수치만으로 모든 도로와 돌발 상황에서 같은 성능을 보장할 수는 없다. 초록은 다른 지역, 기상, 센서 조건이나 실제 차량 탑재 환경에서의 검증을 제시하지 않는다. 세 가지 기본 진행 방향을 넘어 급정지나 양보처럼 더 미묘한 의도를 어떻게 다룰지도 후속 과제다. 따라서 이번 결과는 광범위한 실도로 안전성의 확정이라기보다 InD 기반 교차로 의도 분류에 대한 초기 연구 성과로 읽어야 한다.
원문: arXiv 2607.08316
저작권자 © STORIUM 무단전재 및 재배포 금지
