모기 비행 궤적 예측 AI 경진대회

이번 모기 비행 궤적 예측 대회 솔루션을 공유합니다. 최종 Public 0.7022 / Private 0.700으로 수상권은 아니지만 참고될 만한 점이 있어 정리합니다.
R-Hit@1cm은 1cm 경계 안에 드느냐로 갈리는 이진 지표라, 평균 거리를 줄이기보다 경계 안쪽으로 점을 밀어넣는 데 집중했습니다.

핵심은 신경망이 좌표를 직접 예측하지 않게 한 점입니다. 데이터가 적어 (x,y,z)를 바로 뽑으면 비현실적 점프가 생겨, 모델은 운동 방정식 계수 6개만 출력하고 좌표는 고정된 물리 공식이 계산하도록 디코더를 분리했습니다.

인코더는 GRU+Transformer입니다. 6-step 시퀀스를 GRU로 처리한 뒤 CLS 토큰을 붙여 Transformer에 통과시켜, 급회전 직전 같은 결정적 시점에 attention이 모이게 했습니다. 학습은 사전학습→파인튜닝 2단계에 10-Fold 앙상블, 손실은 Huber+Hit확률 항으로 Hit를 직접 최적화했습니다.

후처리로 Weighted LGBM 잔차 보정을 얹어 경계 주변 샘플을 안쪽으로 밀었습니다(보정폭 축당 ±0.0035 제한). 다만 OOF상 더 낮은 alpha가 최적이었는데 Public LB만 보고 0.14로 제출해 Private에서 하락했습니다. OOF를 믿었어야 했다는 게 가장 아쉽습니다.

[실행환경]
Kaggle Notebook (GPU)
PyTorch 2.10.0+cu128 (CUDA 12.8), LightGBM 4.6.0, scikit-learn 1.6.1
seed=42 고정, cudnn.deterministic=True로 재현
데이터 경로가 Kaggle Dataset 기준(/kaggle/input/...)이라, Dacon 데이터로 돌릴 땐 코드 상단 DATA_DIR 수정 필요
test·외부데이터 미사용