In this paper, we propose an interaction-aware trajectory prediction algorithm considering mutual influence in high-speed autonomous racing. For stable overtaking in 1:N races, it is essential to predict the trajectory of surrounding vehicles taking into account the inter-vehicle effects. To achieve this, we apply the Model Predictive Path Integral technique to trajectory prediction, considering not only information about neighboring vehicles but also prior knowledge about the race track and uncertainty. Model Predictive Path Integral-based prediction is complemented by incorporating a Maneuver Intention Estimation-based trajectory prediction, making it robust to various racing scenarios. To improve trajectory prediction performance, we propose a multimodal perception pipeline that ensures accuracy, reliability, and real-time capability in high-speed environments. The proposed algorithm has been validated in both simulation and real racing tracks, operating at 20ms to ensure real-time performance in high-speed environments.
본 논문에서는 고속 자율주행 레이싱에서의 상호작용을 고려한 상대 차량 경로 예측 알고리즘을 제안한다. 1:N 레이스에서 안정적인 추월을 위해서는 차량 상호 간 영향을 고려한 상대 차량의 경로 예측이 필수적이다. 이를 위해 Model Predictive Path Integral 기법을 경로 예측에 적용하여 주변 차량에 대한 정보뿐만 아니라 레이스 트랙의 사전 정보와 불확실성을 고려한다. Maneuver Intention Estimation 기반의 경로 예측 모델을 더해 MPPI 기반 예측 모델을 보완하고, 다양한 레이스 시나리오에 강건하도록 한다. 경로 예측 성능을 향상시키기 위해 고속 환경에서 정확성과 신뢰성 및 실시간성을 보장하는 멀티모달 인식 파이프라인을 제안한다. 제안한 알고리즘은 시뮬레이터 및 실제 레이스 트랙에서 검증을 진행했고, 20ms로 동작하여 고속 환경에서 실시간성을 확보하였다.
