IT之家 5 月 23 日消息,鴻??萍技瘓F(tuán)旗下鴻海研究院人工智能研究所與香港城市大學(xué)合作,推出新世代自動(dòng)駕駛軌跡預(yù)測深度學(xué)習(xí)模型“QCNet”,未來可應(yīng)用于集團(tuán)電動(dòng)車自動(dòng)駕駛系統(tǒng)。
IT之家從鴻海官網(wǎng)得知,QCNet 是一種智能軌跡預(yù)測模型,主要優(yōu)勢在于能夠理解真實(shí)駕駛場景的全局信息,將 ChatGPT 相同技術(shù)基礎(chǔ)的 Transformer 架構(gòu)修改為適用于自動(dòng)駕駛場景,使其學(xué)習(xí)車輛歷史軌跡,車輛間交互行為、道路環(huán)境等多樣性與不確定性。
據(jù)悉,QCNet 可預(yù)測車輛未來 6 至 8 秒內(nèi)的運(yùn)動(dòng)軌跡,同時(shí)對(duì)場景中的多個(gè)目標(biāo)進(jìn)行準(zhǔn)確地預(yù)測,編碼器計(jì)算效率提升 85%。同時(shí),QCNet 為車道、斑馬線、車輛、行人等交通場景中的每一個(gè)場景元素分別建立了一套局部坐標(biāo)系,在局部坐標(biāo)系下學(xué)習(xí)表征,并通過相對(duì)時(shí)空位置編碼來捕捉不同場景元素之間的相對(duì)關(guān)系,提升模型的實(shí)時(shí)計(jì)算效率。
廣告聲明:文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接(包括不限于超鏈接、二維碼、口令等形式),用于傳遞更多信息,節(jié)省甄選時(shí)間,結(jié)果僅供參考,IT之家所有文章均包含本聲明。