Page 26 - 鴻海研究院2023年年鑑

Hon Hai Research Institute 院長序 執行長序
鴻海研究院2023年鑑

人工智慧研究所 》

投入人工智慧研究

引領自動駕駛創新突破

我們正見證智慧車輛技術的革命性進展。人工智慧研究所開發的AI模型QCNet，在全球自駕車軌
跡預測挑戰中獲得傲人成績，大力推動自動駕駛車輛的進步，亦透過持續提升自然語言處理、環
境感知等技術的傑出表現，打造更先進的智慧座艙，提供即時駕駛輔助及個人化舒適空間。

撰文／陳玉鳳 圖片提供／Shutterstock、鴻海研究院

論是在自駕或智慧座艙領域，鴻海研 車輛的各個感測器感知其他車輛、行人、
無 究院人工智慧研究所近年皆繳出亮眼 道路標線等等；第二階段進展至軌跡預

成績，例如2023年首度推出與香港城市大 測，舉例來說，自駕車在感知前後左右其
學合作的新世代自駕AI模型QCNet。QCNet 他車輛的存在後，必須能夠預測這些車輛
在全球規模最大，且最具挑戰性的兩大自 在接下來數秒內的行為及可能路徑；第三

駕車軌跡預測挑戰排行榜Argoverse 1與 階段則是根據軌跡預測結果規劃因應行為
Argoverse 2，取得排名第一的佳績，準確 及路徑，以確保彼此行車安全。
度優於業界，未來應用於鴻海集團電動車 QCNet模型的提出，為第二階段提供

自動駕駛系統，將能大幅提升自駕決策的 了更理想的解決方案。鴻海研究院人工智
即時性與安全性。 慧研究所所長栗永徽說明：「QCNet能夠
非常準確地預測自駕車周遭所有會動的物
發表自駕軌跡預測模型QCNet 件，包括車輛、行人或腳踏車等等在接

大幅降低誤差率 下來6至8秒的軌跡，預測結果與實際車
自動駕駛進展大致分為3個階段，依 輛行駛的軌跡高度吻合，大幅降低了錯誤
序為車輛感知（Perception）、軌跡預 率。」這是自駕車軌跡預測的重要突破。

測（Trajectory Prediction）、運動規劃 QCNet模型在2023年電腦視覺與圖形
（Motion planning）。車輛感知是指透過 識別會議（CVPR）發表後引起各方矚目。

26

ɨʹ
ᒿऎ޼Ӻ৫ ʫ˖ ڥᓃҦஔ JOEE
ᒿऎ޼Ӻ৫ ʫ˖ ڥᓃҦஔ JOEE ɨʹ