鸿海推出新时代自动驾驶轨迹预测深度学习模型“QCNet”

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。

未经允许不得转载：新聚网 » 鸿海推出新时代自动驾驶轨迹预测深度学习模型“QCNet”