本文共527字
鴻海今天下午宣布，旗下鴻海研究院人工智能研究所與香港城市大學合作，首度推出新世代自動駕駛軌跡預測深度學習模型QCNet，可應用在集團電動車自動駕駛系統。
鴻海透過新聞稿指出，QCNet在全球兩大自駕車軌跡預測挑戰排行榜Argoverse 1與Argoverse 2，取得排名第1的佳績。
鴻海說明，以往軌跡預測方法並不具備流式處理的能力，必須為每一個待預測的交通參與者，分別計算一套專有的場景編碼，才能達到更高的預測精度，但產生出極大的計算負擔。
鴻海表示，QCNet是一種智慧型軌跡預測模型，可理解真實駕駛場景的全局資訊，活用和聊天機器人ChatGPT相同技術基礎的Transformer架構，修改為適用在自動駕駛場景。
鴻海指出，QCNet能在複雜的道路環境捕捉車輛的多種潛在意圖、超長距離預測未來6至8秒內的運動軌跡，可同時對場景中的多個目標進行預測，並可將編碼器的計算效率提升85%以上。
此外，QCNet可因應交通場景中包括車道、斑馬線、車輛、行人等在內的每一個場景元素，分別建立一套局部座標系，在場景元素所對應的局部座標系下學習表徵，並藉由相對時空位置編碼來捕捉不同場景元素之間的相對關係，得以避免大量重複的計算並最終提升模型的即時計算效率。
※ 歡迎用「轉貼」或「分享」的方式轉傳文章連結；未經授權，請勿複製轉貼文章內容
留言