端到端自动驾驶中重要的QCNet网络解读！

文章预览

《Query-Centric Trajectory Prediction》论文速递！ 作者 Zikang Zhou, Jianping Wang, Yung-Hui Li, Yu-Kai Huang 来自以下机构：City University of Hong Kong, Hon Hai Research Institute, Carnegie Mellon University 摘要 本文介绍了QCNet，这是一个用于轨迹预测的建模框架，旨在提高自主车辆安全操作的能力。 作者指出现有的以智能体为中心的建模方案在在线预测时需要重复归一化和重新编码输入，导致计算冗余。 为了克服这些限制并实现更快的推理，本文引入了以查询为中心的范式进行场景编码，通过学习与全局时空坐标系无关的表示来重用过去的计算。 此外，即使给定丰富的场景编码，现有的解码策略也难以捕捉智能体未来行为的多模态性，尤其是当预测范围很长时。 为了应对这一挑战，作者采用了无锚点查询来递归地生成轨迹建议，并使用一个细化模块来进一步优化轨迹。 引言 预 ………………………………