鸿海今天下午宣布，旗下鸿海研究院人工智能研究所与香港城市大学合作，首度推出新世代自动驾驶轨迹预测深度学习模型QCNet，可应用在集团电动车自动驾驶系统。
鸿海通过新闻稿指出，QCNet在全球两大自驾车轨迹预测挑战排行榜Argoverse 1与Argoverse 2，取得排名第1的佳绩。
鸿海说明，以往轨迹预测方法并不具备流式处理的能力，必须为每一个待预测的交通参与者，分别计算一套专有的场景编码，才能达到更高的预测精度，但产生出极大的计算负担。
鸿海表示，QCNet是一种智能轨迹预测模型，可理解真实驾驶场景的全局资讯，活用和聊天机器人ChatGPT相同技术基础的Transformer架构，修改为适用在自动驾驶场景。
鸿海指出，QCNet能在复杂的道路环境捕捉车辆的多种潜在意图、超长距离预测未来6至8秒内的运动轨迹，可同时对场景中的多个目标进行预测，并可将编码器的计算效率提升85%以上。
此外，QCNet可因应交通场景中包括车道、斑马线、车辆、行人等在内的每一个场景元素，分别建立一套局部座标系，在场景元素所对应的局部座标系下学习表征，并借由相对时空位置编码来捕捉不同场景元素之间的相对关系，得以避免大量重复的计算并最终提升模型的即时计算效率。
