近日，2025年國際計算機視覺與模式識別頂級會議（IEEE/CVF Conference on Computer Vision and Pattern Recognition，CVPR 2025）在美國田納西州納什維爾召開。在自動駕駛研討會CVPR WAD（Workshop on Autonomous Driving）環節重點介紹了國際知名Argoverse2運動軌跡預測挑戰賽（2025 CVPR Motion Forecasting challenge）的成績，其中易控智駕提出的IMR（IterativeMode-World Weighted Regression for Multi-Agent Trajectory Prediction）框架成為最佳得分方案。

CVPR報告部分內容

自2024年8月，易控智駕憑借自主研發的聯合軌跡預測框架獲得該榜單全球冠軍以來，持續研發迭代，始終穩居榜單首位。2025年，團隊創新性地提出了IMR框架，將核心指標avgBrierMinFDE從1.62優化至1.59，領先優勢進一步擴大。

Argoverse2 運動軌跡預測挑戰賽排名情況（2025年7月9日）

礦山場景沒有典型道路的結構化特征，傳統的軌跡分析方法往往難以處理“人工駕駛礦卡”和“無人駕駛礦卡”混行的復雜交互。人工駕駛礦卡行車軌跡相比無人駕駛礦卡變化頻繁且多樣，導致不確定性增加，預測和決策的難度大幅增加。

IMR框架能夠有效區分各類行為模式（如超車、會車、避讓等），在模式間建立起更加清晰的界限，為無人駕駛礦卡提供更為精準的預測和決策支持。精準的預測提升了車輛交互流暢性，包括增強系統的安全性、有效減少碰撞風險以及提高作業效率，從而有力推動了場景擴展和整體業務效率提升。

目前，帶有該軌跡預測技術的算法版本已逐步部署應用，并帶來了顯著效果：

• 復雜交互場景適應能力提升該版本部署后，宜化五彩灣礦區一號露天煤礦的混行路口通行時間減少了20%以上，實現了與無終端人工駕駛礦卡的安全、流暢混合運行。

無人駕駛礦卡與人工駕駛礦卡混行

• 交互行為表現優化無人駕駛礦卡不合理剎車行為大幅減少。以某典型采煤無人駕駛場景為例，單位里程內發生重剎、中剎和輕剎的頻率降幅分別達10.0%、43.2%和50.9%，大幅降低了礦卡部件的損耗。

未來，易控智駕將持續深耕無人駕駛核心技術研發，提升無人駕駛礦卡在復雜場景適應力和運行效率。

聲明：本文系轉載自互聯網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。