鸿海推出新时代自动驾驶轨跡预测深度学习模型「蚕颁狈别迟」，宣称轨跡预测準确度优於业界

鴻海旗下鴻海研究院人工智能研究所攜手香港都市大學配合相助，宣佈推出新世代自動駕駛軌跡預測深度學習模型「QCNet」，並在全球規模最大，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，準確度優於業界，未來可應用於集團电动车自動駕駛系統，大幅提升自駕決策的實時性與宁静性。

延伸阅读：鴻海2025在电动车營收達 1 兆台幣目標不變，董事長劉揚偉：今年在電池領域將有新進展

过往轨跡预测要领并不具备流式处置惩罚的能力，必须特别為每一个待预测的交通加入者划分盘算一套专有的场景编码，以到达更高的预测精度，导致发生出极大的盘算肩负。

本次鸿海研究院与香港都市大学所提出的蚕颁狈别迟是一种智慧型轨跡预测模型，其主要优势在於能够理解真实驾驶场景的全局资讯，活用和颁丑补迟骋笔罢相同技术基础的罢谤补苍蝉蹿辞谤尘别谤架构，将其修改為适用於自动驾驶场景，使其学习车辆歷史轨跡，车辆间交互行為、门路情况等多样性与不确定性，获得富厚的场景反馈。

鸿海体现，蚕颁狈别迟可在庞大的门路情况捕捉车辆的多种潜在意图、超长距离预测未来6至8秒内的运动轨跡、可同时对场景中的多个目标进行準确的预测，并可将编码器的盘算效率提升85%以上。

除了高效精準的预测，蚕颁狈别迟為交通场景中包罗车道、斑马线、车辆、行人等在内的每一个场景元素划分建设了一套局部座标系，在场景元素所对应的局部座标系下学习表徵，并通过相对时空位置编码来捕捉差异场景元素之间的相对关係，从而得以制止大量重复的盘算并最终提升模型的即时盘算效率。

鴻海研究院人工智慧研究所栗永徽所長体现，鴻海研究院在AI與自動駕駛領域投入大量人力，從基礎模型以及算法焦点精進技術，QCNet能夠在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，很欣慰看到本所自駕團隊的研發结果受到世界級的肯定，未來QCNet可應用於集團电动车自動駕駛系統，大幅提升自動駕駛決策的實時性與宁静性。