본 연구는 NBA 선수 움직임 예측을 위해 순환 신경망(LSTM), 그래프 신경망(GNN), 트랜스포머 등 다양한 머신러닝 모델을 평가하고 성능을 비교 분석했어요.
기존 선형 모델 대비 최대 2초 예측 시 머신러닝 기반 모델이 성능 향상을 보였으며, 특히 맥락 정보를 활용한 LSTM 하이브리드 모델이 가장 낮은 최종 변위 오차(FDE)인 1.51m를 기록했어요.
단일 아키텍처가 모든 지표에서 뛰어난 성능을 보이지 않으므로, 빠른 속도의 역동적인 환경에서 정확한 경로 예측을 위해서는 작업별 고려가 중요함을 확인했어요.