廣告
香港股市 已收市
  • 恒指

    16,511.44
    -25.41 (-0.15%)
     
  • 國指

    5,677.88
    -10.58 (-0.19%)
     
  • 上證綜指

    3,015.17
    +57.32 (+1.94%)
     
  • 道指

    38,949.02
    -23.39 (-0.06%)
     
  • 標普 500

    5,069.76
    -8.42 (-0.17%)
     
  • 納指

    15,947.74
    -87.56 (-0.55%)
     
  • Vix指數

    14.07
    +0.23 (+1.66%)
     
  • 富時100

    7,639.61
    +14.63 (+0.19%)
     
  • 紐約期油

    78.23
    -0.31 (-0.39%)
     
  • 金價

    2,044.50
    +1.80 (+0.09%)
     
  • 美元

    7.8268
    -0.0006 (-0.01%)
     
  • 人民幣

    0.9185
    -0.0005 (-0.05%)
     
  • 日圓

    0.0520
    +0.0003 (+0.54%)
     
  • 歐元

    8.4876
    +0.0048 (+0.06%)
     
  • Bitcoin

    62,600.79
    +3,601.71 (+6.10%)
     
  • CMC Crypto 200

    885.54
    0.00 (0.00%)
     

鴻海研究院攜手香港城大 推新世代自駕軌跡預測深度學習模型

鴻海 (2317-TW) 研究院今 (23) 日宣布,人工智能研究所攜手香港城市大學共同合作,首度推出新世代自動駕駛軌跡預測深度學習模型「QCNet」,未來可應用於集團電動車自動駕駛系統,大幅提升自駕決策的實時性與安全性。

本次鴻海研究院與香港城市大學所提出的 QCNet 是一種智慧型軌跡預測模型,其主要優勢在於能夠理解真實駕駛場景的全局資訊,活用和 ChatGPT 相同技術基礎的 Transformer 架構,將其修改為適用於自動駕駛場景,使其學習車輛歷史軌跡,車輛間交互行為、道路環境等多樣性與不確定性,得到豐富的場景反饋。

QCNet 可在複雜的道路環境捕捉車輛的多種潛在意圖、超長距離預測未來 6 至 8 秒內的運動軌跡、可同時對場景中的多個目標進行準確的預測,並可將編碼器的計算效率提升 85% 以上。

除了高效精準的預測,QCNet 為交通場景中包括車道、斑馬線、車輛、行人等在內的每一個場景元素分別建立了一套局部座標系,在場景元素所對應的局部座標系下學習表徵,並通過相對時空位置編碼來捕捉不同場景元素之間的相對關係,從而得以避免大量重複的計算並最終提升模型的即時計算效率。

QCNet 也在全球規模最大,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,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。

更多鉅亨報導