自律飛行体が共有空域で運用される際、衝突を回避するためには非協調的な障害物の将来位置を正確に予測することが重要です。本論文で提案されるAeroCastは、このような課題に取り組むための確率的軌跡予測フレームワークです。鳥類、制御不能なドローン、落下物といった非協調的障害物は、決定論的な予測手法では捉えられない多様で複雑な運動パターンを示します。既存手法の多くは、時間情報を逐次処理するRNNエンコーダに依存しており、長距離の運動学的前兆を捉える能力に限界があるか、確率分布情報を含まない点予測のみを出力していました。 AeroCastはTransformerエンコーダとMixture Density Network出力層を組み合わせることで、将来の3次元変位に対する1タイムステップごとのガウス混合分布を予測します。並進不変性を持つ連続変位エンコーディングと、キャリブレーション志向の訓練目的関数により、混合分布ベースの航空軌跡予測に特有な課題に対処しています。 実ドローンと合成データからなるハイブリッドコーパス上での評価では、5秒の予測期間においてAverageDisplacementErrorとFinalDisplacementErrorをベースライン比で約50%削減し、負の対数尤度とContinuousRankedProbabilityScoreの両指標で最良の性能を達成しました。アブレーション分析の結果、速度入力とモデル容量が予測品質への主要な寄与因子であり、位置エンコーディングは長期軌跡の一貫性維持に不可欠であることが確認されています。推論は1サンプルあたり0.1msで完了し、100Hzでのリアルタイム搭載デプロイメントに対応しています。