鸿海推出新一代自动驾驶轨迹预测深度学习模型“QCNet”
IT之家 5 月 23 日消息,鸿海科技集团旗下鸿海研究院人工智能研究所与香港城市大学合作,推出新世代自动驾驶轨迹预测深度学习模型“QCNet”,未来可应用于集团电动车自动驾驶系统。
IT之家从鸿海官网得知,QCNet 是一种智能轨迹预测模型,主要优势在于能够理解真实驾驶场景的全局信息,将 ChatGPT 相同技术基础的 Transformer 架构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。
据悉,QCNet 可预测车辆未来 6 至 8 秒内的运动轨迹,同时对场景中的多个目标进行准确地预测,编码器计算效率提升 85%。同时,QCNet 为车道、斑马线、车辆、行人等交通场景中的每一个场景元素分别建立了一套局部坐标系,在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,提升模型的实时计算效率。