鴻海研究院攜手香港城大 推新世代自駕軌跡預測深度學習模型

鴻海 (2317-TW) 研究院今 (23) 日宣布，人工智能研究所攜手香港城市大學共同合作，首度推出新世代自動駕駛軌跡預測深度學習模型「QCNet」，未來可應用於集團電動車自動駕駛系統，大幅提升自駕決策的實時性與安全性。

本次鴻海研究院與香港城市大學所提出的 QCNet 是一種智慧型軌跡預測模型，其主要優勢在於能夠理解真實駕駛場景的全局資訊，活用和 ChatGPT 相同技術基礎的 Transformer 架構，將其修改為適用於自動駕駛場景，使其學習車輛歷史軌跡，車輛間交互行為、道路環境等多樣性與不確定性，得到豐富的場景反饋。

QCNet 可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準確的預測，並可將編碼器的計算效率提升 85% 以上。

除了高效精準的預測，QCNet 為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了一套局部座標系，在場景元素所對應的局部座標系下學習表徵，並通過相對時空位置編碼來捕捉不同場景元素之間的相對關係，從而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。

QCNet 也在全球規模最大，且最具挑戰性的兩大自駕車軌跡預測挑戰排行榜 Argoverse 1 與 Argoverse 2，取得排名第一的佳績，並且將於今年六月全世界 AI 領域享譽全球的頂級會議 CVPR 發表。