ForSim 단계별 전방 시뮬레이션을 통한 교통 정책 미세조정

초록

ForSim은 교통 시뮬레이션에서 발생하는 공변량 이동과 다중모드 행동 재현 문제를 해결하기 위해 제안된 단계별 폐쇄‑루프 전방 시뮬레이션 프레임워크이다. 각 가상 타임스텝마다 후보 궤적 중 현재 상황에 가장 잘 맞는 궤적을 물리 기반 PID‑바이시클 모델로 추적·전파하고, 다른 에이전트는 단계별 예측을 통해 상호작용을 반영한다. RIFT와 결합해 그룹‑상대 최적화를 수행하면 안전성은 향상되고 효율·현실성·편안함은 유지된다.

상세 분석

ForSim은 기존 교통 시뮬레이션이 대부분 오픈‑루프 방식으로 후보 궤적을 일괄 전파하고, 이후 단계에서는 상호작용을 무시하는 한계를 극복한다. 논문은 먼저 RIFT의 구조를 재검토하고, 비반응적 전방 시뮬레이션이 공변량 이동(covariate shift)과 모드 붕괴(mode collapse)를 초래한다는 점을 지적한다. 이를 해결하기 위해 ForSim은 두 가지 핵심 메커니즘을 도입한다. 첫째, 각 에이전트가 생성한 다중 후보 궤적을 가상 도메인에서 독립적으로 전파한다. 둘째, 매 가상 타임스텝마다 현재 상태와 가장 시공간적으로 일치하는 후보를 선택해 PID 제어와 자전거 모델(kine­matic bicycle model)로 물리적으로 타당한 움직임을 구현한다. 이 과정에서 ‘Trajectory‑Aligned Rollout’이라는 새로운 선택 기준을 제시한다. 기존의 Max‑Likelihood Rollout은 가장 높은 신뢰도를 가진 후보만을 지속적으로 선택해 다중모드 다양성을 급격히 감소시키고, Mode‑Consistent Rollout은 초기 모드를 고정하지만 시간에 따라 정렬 오류가 누적돼 궤적이 비현실적으로 변한다. 반면 Trajectory‑Aligned Rollout은 초기 모드(레퍼런스 궤적)를 고정하고, 이후 단계에서는 평균 변위 오차(ADE)를 최소화하는 후보를 동적으로 매칭함으로써 모드 일관성을 유지하면서도 물리적 일관성을 확보한다.

다른 에이전트에 대해서는 세 가지 전파 방식을 비교한다. Constant‑Action Rollout은 현재 액션을 그대로 전파해 가장 단순하지만 상호작용을 전혀 반영하지 못한다. Single‑Prediction Rollout은 한 번 예측된 궤적을 오픈‑루프로 전파해 어느 정도 현실성을 제공하지만, 환경 변화에 대응하지 못한다. ForSim이 제안하는 Stepwise Prediction Rollout은 매 타임스텝마다 다른 에이전트의 상태를 재예측하고, 이를 기반으로 행동을 업데이트해 진정한 폐쇄‑루프 상호작용을 구현한다.

실험에서는 nuPlan 및 CARLA 기반 시뮬레이션 환경에서 RIFT와 ForSim을 결합한 버전이 기존 RIFT 대비 충돌률을 크게 낮추고, 평균 속도·가속도·승차감 지표에서는 거의 차이가 없거나 소폭 개선되는 것을 확인했다. 특히 다중모드 상황(예: 교차로에서 좌·우 회전 선택)에서 ForSim은 각 모드별 롤아웃을 일관되게 유지해 정책이 특정 모드에 편향되는 현상을 방지한다. 이는 정책 미세조정 단계에서 그룹‑상대 최적화가 보다 정확한 보상 신호를 받게 함으로써, 안전성 향상과 동시에 시뮬레이션 현실성을 유지할 수 있게 한다.

전반적으로 ForSim은 (1) 물리 기반 폐쇄‑루프 전방 시뮬레이션, (2) 다중모드 일관성 보장, (3) 상호작용 인식 예측이라는 세 축을 결합해 교통 시뮬레이션의 핵심 문제를 해결한다는 점에서 의미가 크다. 향후 연구에서는 더 복잡한 도시 시나리오, 실시간 정책 업데이트, 그리고 시뮬레이션‑실제 간 도메인 적응까지 확장할 여지가 있다.