鸿海首推新世代自驾 AI 模型 QCNet，自驾车轨迹预测准确度胜业界

▼

鸿海科技集团今（23 日）宣布，旗下鸿海研究院人工智能研究所携手香港城市大学合作，首推新世代自动驾驶轨迹预测深度学习模型“QCNet”，并在两大自驾车轨迹预测挑战排行榜 Argoverse 1 与 Argoverse 2 中排名第一，准确度优于业界，未来可应用于集团电动车自动驾驶系统，大幅提升自驾决策的即时性与安全性。

鸿海指出，过往轨迹预测方法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，导致极大的计算负担产生。

QCNet 是种智慧型轨迹预测模型，主要优势在于能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，车辆间交互行为、道路环境等多样性与不确定性，得到丰富的场景反馈。

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建立一套局部座标系，在场景元素所对应的局部座标系下学习表征，并透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。

鸿海研究院人工智慧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 能在全球规模最大、最具挑战性的自驾车轨迹预测挑战排行榜 Argoverse 1 与 Argoverse 2 取得排名第一的佳绩，感到相当欣慰。

此外，鸿海今年六月也将于全世界 AI 领域顶级会议 CVPR 发表QCNet，未来 QCNet 可应用于集团电动车自动驾驶系统，大幅提升自动驾驶决策的实时性与安全性。

（首图来源：Flickr/obert Geiger CC BY 2.0）

延伸阅读：

• 鸿海图型化使用者介面专利，成功导入医疗级健康照护检测仪
• 前联发科高层列席 ZEKU 解散说明会！盘点知名半导体高层西进史

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。