안전한 IMM 기반 레이더 객체 추적

초록

SAFE-IMM은 공변량을 고려한 안전 게이트를 도입해 위너-테이크-올(WTA) 전환 시 드리프트를 이론적으로 제한한다. 학생‑t 강인한 likelihood와 적응형 전이 행렬을 결합해 경량화된 IMM을 구현하고, 시뮬레이션 및 nuScenes 전방 레이더 데이터에서 실시간 성능과 낮은 ID 전환을 입증한다.

상세 분석

SAFE-IMM은 기존 IMM이 모델 혼합을 통해 연속적인 추정을 제공하지만, 급격한 기동 시 반응성이 떨어지는 문제를 보완한다. 이를 위해 저자들은 두 단계의 핵심 아이디어를 제시한다. 첫 번째는 “공변량 인식 안전 게이트”이다. 각 모델의 사후 확률 w 로부터 승자 모델 w* 를 선정하고, 승자와 혼합 평균 µmix 사이의 유클리드 거리와 공변량 행렬 ¯P 를 이용해 마할라노비스 거리 d² 를 계산한다. 이때 B = t·q·tr(¯P)·d² 라는 상한을 정의하고, 사전에 설정한 허용 오차 εWT​A 와 비교한다. B가 εWT​A 이하이면 WTA를 허용해 승자 모델의 상태 (µw, Pw) 를 직접 출력하고, 그렇지 않으면 기존의 가우시안 혼합 (µmix, Pmix) 을 그대로 사용한다. 이 과정은 Cauchy‑Schwarz 부등식을 활용해 드리프트 상한을 보장하므로, 급격한 전환에도 추정값이 급격히 튀는 현상을 방지한다. 두 번째는 강인성 강화이다. 저자들은 측정 혁신에 대한 가우시안 likelihood 대신 자유도 ν=5인 학생‑t 분포를 적용해 큰 잔차를 억제하고, 클러터와 잡음에 대한 내성을 높였다. 또한 전이 확률 행렬(Transition Probability Matrix, TPM)을 고정값이 아니라 온라인으로 조정한다. 구체적으로는 일반화 가능도 비율(GLR), 엔트로피, 승자 연속성(streak) 등을 이용해 모델 전이 확률을 동적으로 재조정함으로써, 기동 상황에서 적절한 모델로 빠르게 전환하도록 설계했다. 이러한 적응형 TPM은 기존의 고정 TPM에 비해 전환 지연을 크게 감소시킨다. 구현 측면에서는 두 개의 선형 칼만 필터(CV와 CA)만을 사용해 경량화를 달성했으며, 다중 객체 추적을 위해 Global Nearest Neighbor(GNN) 연관 기법을 채택했다. 실험에서는 시뮬레이션 환경에서 위치·속도 노이즈 프로파일 1·2에 대해 RMSE와 OSPA를 평가했으며, SAFE-IMM이 비선형 EKF 및 기존 IMM 대비 위치 RMSE와 OSPA에서 일관된 개선을 보였다. 특히, εWT​A 게이트가 100% 적용된 상황에서 드리프트가 허용 한계 이내에 머물렀음을 확인했다. nuScenes 데이터셋 실험에서는 전방 레이더(70° FoV, 70 m)만을 사용했음에도 불구하고, AMOTA와 MOTA에서 기존 IMM 대비 0.5~1.2% 향상을 달성했고, ID 전환(IDSW) 수를 60% 이상 감소시켰다. 또한 CPU 전용 노트북에서 17.9 FPS(전체 파이프라인)와 229.6 FPS(IMM 전용)라는 실시간 처리 속도를 유지했다. 전반적으로 SAFE-IMM은 “반응성 vs 연속성” 트레이드오프를 수학적으로 보장하는 안전 게이트와 강인한 통계 모델, 그리고 적응형 전이 메커니즘을 결합함으로써, 자원 제한 환경에서도 높은 정확도와 안정성을 제공한다는 점에서 의미가 크다.