感謝網(wǎng)友 你好啊_兔子 的線索投遞！

5 月 23 日消息，鴻海科技集團(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(cè)深度學(xué)習(xí)模型“QCNet”，未來(lái)可應(yīng)用于集團(tuán)電動(dòng)車(chē)自動(dòng)駕駛系統(tǒng)。

從鴻海官網(wǎng)得知，QCNet 是一種智能軌跡預(yù)測(cè)模型，主要優(yōu)勢(shì)在于能夠理解真實(shí)駕駛場(chǎng)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(chǎng)景，使其學(xué)習(xí)車(chē)輛歷史軌跡，車(chē)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(cè)車(chē)輛未來(lái) 6 至 8 秒內(nèi)的運(yùn)動(dòng)軌跡，同時(shí)對(duì)場(chǎng)景中的多個(gè)目標(biāo)進(jìn)行準(zhǔn)確地預(yù)測(cè)，編碼器計(jì)算效率提升 85%。同時(shí)，QCNet 為車(chē)道、斑馬線、車(chē)輛、行人等交通場(chǎng)景中的每一個(gè)場(chǎng)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(guò)相對(duì)時(shí)空位置編碼來(lái)捕捉不同場(chǎng)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。

總結(jié)

以上是生活随笔為你收集整理的鸿海推出新时代自动驾驶轨迹预测深度学习模型“QCNet”的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。