GenAD：如何實現高效率的自動駕駛運動預測與規劃？

GenAD計畫創新地採用變分自編碼器學習結構潛在空間中的未來軌跡分佈，以進行軌跡先驗建模。此外，專案也採用了時間模型如門控循環單元來捕捉潛在空間中的主體和自我運動，從而產生更有效的未來軌跡。這種前瞻性的方法使得GenAD在推理過程中能夠從條件化的結構化潛在空間中採樣分佈，並使用學習到的時間模型生成未來，實現了運動預測和規劃的同時執行。