연구진은 Argoverse 2와 Waymo 데이터셋에서 최신 예측 모델들이 평가 지표에 맞춰 훈련되는 현상을 발견했어요. 이를 해결하기 위해 평가 지표에 영향을 받지 않는 확률 기반 훈련 방식과 예측 분포를 활용하는 방식을 제안했어요. 새로운 Trajectory Distribution Evaluation(TraDiE) 정책을 도입하여 DONUT-NLL 모델을 개발, Waymo 예측 벤치마크에서 최고 성능을 달성했어요.
DONUT-NLL은 기존 DONUT 모델의 훈련 목표를 개선하여 예측 분포를 직접 최적화하도록 설계됐어요. TraDiE 정책을 통해 다양한 평가 지표에 대응할 수 있도록 했으며, 이를 통해 기존 모델의 한계를 극복했어요.
연구진은 평가 지표에 따른 모델의 편향을 줄이고, 더욱 정확하고 신뢰성 있는 예측을 가능하게 하는 새로운 훈련 패러다임을 제시했어요. DONUT-NLL 모델은 Waymo 벤치마크에서 최고 성능을 기록하며, 향후 자동주행 기술 발전에 중요한 역할을 할 것으로 보입니다.