鸿海推出自动驾驶轨迹预测深度学习模型，宣称预测准确...

鸿海旗下鸿海研究院人工智能研究所携手香港城市大学共同合作，宣布推出新时代自动驾驶轨迹预测深度学习模型“QCNet”，并在全球规模最大，且最具挑战性的两大自动驾驶汽车轨迹预测挑战排行榜Argoverse 1与Argoverse 2，取得排名第一的佳绩，准确度优于业界，未来可应用于集团电动汽车自动驾驶系统，大幅提升自驾决策的实时性与安全性。

以往轨迹预测方法并不具备流式处理的能力，必须特别为每一个待预测的交通参与者分别计算一套专有的场景编码，以达到更高的预测精度，导致产生出极大的计算负担。

本次鸿海研究院与香港城市大学所提出的QCNet是一种智能轨迹预测模型，其主要优势在于能够理解真实驾驶场景的全局资讯，活用和ChatGPT相同技术基础的Transformer架构，将其修改为适用于自动驾驶场景，使其学习车辆历史轨迹，车辆间互动行为、道路环境等多样性与不确定性，得到丰富的场景反馈。

鸿海表示，QCNet可在复杂的道路环境捕捉车辆的多种潜在意图、超长距离预测未来6至8秒内的运动轨迹、可同时对场景中的多个目标进行准确的预测，并可将编码器的计算效率提升85%以上。

除了高效精准的预测，QCNet为交通场景中包括车道、斑马线、车辆、行人等在内的每一个场景元素分别创建了一套局部坐标系，在场景元素所对应的局部坐标系下学习表征，并通过相对时空位置编码来捕捉不同场景元素之间的相对关系，从而得以避免大量重复的计算并最终提升模型的即时计算效率。

鸿海研究院人工智能研究所栗永徽所长表示，鸿海研究院在AI与自动驾驶领域投入大量人力，从基础模型以及算法核心精进技术，QCNet能够在Argoverse 1与Argoverse 2取得排名第一的佳绩，并且将于今年六月全世界AI领域享誉全球的顶级会议CVPR发布，很欣慰看到本所自驾团队的研发成果受到世界级的肯定，未来QCNet可应用于集团电动汽车自动驾驶系统，大幅提升自动驾驶决策的实时性与安全性。