【ITBEAR科技資訊】5月23日消息，鴻?？萍技瘓F(tuán)旗下的鴻海研究院人工智能研究所與香港城市大學(xué)攜手合作，共同推出了一款全新的自動(dòng)駕駛軌跡預(yù)測(cè)深度學(xué)習(xí)模型——"QCNet"。據(jù)悉，該模型具備強(qiáng)大的智能軌跡預(yù)測(cè)能力，并能夠應(yīng)用于鴻海集團(tuán)的電動(dòng)車自動(dòng)駕駛系統(tǒng)。
QCNet作為一種智能軌跡預(yù)測(cè)模型，具有獨(dú)特的優(yōu)勢(shì)，可以全面理解真實(shí)駕駛場(chǎng)景中的全局信息。該模型通過(guò)對(duì)基于Transformer架構(gòu)的ChatGPT進(jìn)行改進(jìn)，使其適用于自動(dòng)駕駛場(chǎng)景，并能夠?qū)W習(xí)車輛的歷史軌跡、車輛間的交互行為以及道路環(huán)境等多樣性和不確定性因素。
據(jù)ITBEAR科技資訊了解，QCNet具備令人矚目的能力，能夠準(zhǔn)確地預(yù)測(cè)未來(lái)6至8秒內(nèi)車輛的運(yùn)動(dòng)軌跡，并對(duì)場(chǎng)景中的多個(gè)目標(biāo)進(jìn)行預(yù)測(cè)。與此同時(shí)，該模型對(duì)編碼器的計(jì)算效率進(jìn)行了優(yōu)化，提升了85%的計(jì)算速度。此外，QCNet針對(duì)交通場(chǎng)景中的車道、斑馬線、車輛和行人等元素，分別建立了一套局部坐標(biāo)系，并在局部坐標(biāo)系下學(xué)習(xí)表征。通過(guò)相對(duì)時(shí)空位置編碼，QCNet能夠捕捉不同場(chǎng)景元素之間的相對(duì)關(guān)系，從而進(jìn)一步提高了模型的實(shí)時(shí)計(jì)算效率。
這一次的合作將鴻?？萍技瘓F(tuán)的技術(shù)實(shí)力與香港城市大學(xué)的研究?jī)?yōu)勢(shì)相結(jié)合，為自動(dòng)駕駛技術(shù)的發(fā)展注入了新的動(dòng)力。QCNet的推出將為鴻海集團(tuán)的電動(dòng)車自動(dòng)駕駛系統(tǒng)帶來(lái)更先進(jìn)、更可靠的軌跡預(yù)測(cè)能力，為用戶提供更安全、舒適的出行體驗(yàn)。未來(lái)，我們可以期待這一研究成果在自動(dòng)駕駛領(lǐng)域發(fā)揮重要作用，并為智能交通的發(fā)展做出積極貢獻(xiàn)。
