鴻海研究院推新世代多模態軌跡預測模型ModeSeq　加速自駕領域發展

本次研究由鴻海研究院人工智慧研究所栗永徽所長率領所內研究員，與香港城市大學汪建平教授團隊、美國卡內基梅隆大學研究人員共同合作完成，在2024年Waymo Open Motion Prediction Benchmark測試中，在mAP、soft mAP方面優於以往的方法，同時在minADE和minFDE指標上保持了可比的性能。

Waymo Motion Prediction Challenge是聚焦於自動駕駛場景中軌跡預測的高水準競賽，以推動自動駕駛相關技術的發展為宗旨，並為研究人員提供展示和交流的平台。

ModeSeq研究專注於多模態軌跡預測，解決過去方法中犧牲多樣性和性能的問題。 ModeSeq提出的方法，是使用順序模式建模並設計Early-Match-Take-All （EMTA）損失函數來增強多模態軌跡預測。 ModeSeq使用因式分解變換器（Factorized Transformers）進行場景編碼，並使用結合記憶變換器與因式分解變換器模組ModeSeq層的解碼器。

今年 10月8日至9 日一連兩天舉行的鴻海科技日(Hon Hai Tech Day, HHTD24)上，鴻海研究院人工智慧研究所將邀請研發團隊，與外界面對面討論相關技術與應用，歡迎產學研各界先進報名參加。