盖世汽车讯 7月10日，电子制造商和技术服务提供商鸿海科技集团（Hon Hai Technology Group，富士康）旗下研发中心鸿海研究院（Hon Hai Research Institute，HHRI）推出人工智能ModeSeQ，可快速读取行人和车辆运动。该研究院也因其在自动驾驶轨迹预测技术领域的卓越成就而备受认可。

图片来源： 鸿海科技集团

“ModeSeq使自动驾驶汽车能够更准确、更多样化地预测交通参与者的行为，”HHRI人工智能研究中心主任Yung-Hui Li表示。“它直接提高了决策安全性，降低了计算成本，并引入了独特的模式外推功能，可以根据场景不确定性动态调整预测行为模式的数量。”

6月13日，HHRI人工智能研究中心与香港城市大学合作，在CVPR 2025（IEEE/CVF计算机视觉与模式识别会议）上发表了题为“ModeSeq：利用序列模式建模实现稀疏多模态运动预测（ModeSeq: Taming Sparse Multimodal Motion Prediction with Sequential Mode Modeling）”的论文。

多模态轨迹预测技术克服了先前方法的局限性，既保持了高性能，又提供了多样化的潜在结果路径。ModeSeq引入了序列模式建模，并采用Early-Match-Take-All（EMTA）损失函数来增强多模态预测。它使用分解式Transformer对场景进行编码，并使用结合了Memory Transformer和专用ModeSeq层的混合架构进行解码。

研究团队进一步将其精炼为并行ModeSeq，并在CVPR WAD研讨会上，在备受瞩目的Waymo开放数据集（Waymo Open Dataset，WOD）挑战赛——交互预测赛道中夺冠。该团队的获奖作品击败了来自新加坡国立大学、不列颠哥伦比亚大学、矢量人工智能研究所、滑铁卢大学和佐治亚理工学院的强劲竞争对手。

去年，ModeSeq在2024年CVPR Waymo运动预测挑战赛（Motion Prediction Challenge）中斩获全球第二，继此基础上，今年的Parallel ModeSeq在2025年交互预测（Interaction Prediction）赛道上再次夺冠。

在HHRI人工智能研究实验室Li主任的带领下，与香港城市大学Jianping Wang教授团队以及卡内基梅隆大学的研究人员合作，ModeSeq在运动预测基准（Motion Prediction Benchmark）测试中的表现超越了以往的方法，在保持minADE和minFDE指标相当的同时，取得了卓越的mAP和soft-mAP得分。