QCNet：多智能体轨迹预测框架

项目基础介绍和主要编程语言

QCNet 是一个优雅、高效且可扩展的多智能体轨迹预测框架，由 Zikang Zhou 等人开发。该项目的主要编程语言是 Python。QCNet 在 CVPR 2023 上被接受，并在多个轨迹预测基准测试中取得了领先的成绩。

项目核心功能

1. 场景编码器：具有空间中的旋转平移不变性和时间中的平移不变性，能够从根本上实现准确的多智能体预测。
2. 两阶段 DETR 风格的轨迹解码器：有助于多模态和长期预测。
3. 流处理支持：理论上支持流处理，适用于实时应用。

项目最近更新的功能

1. Argoverse 2 边际预测代码发布：2023年6月29日，发布了 Argoverse 2 边际预测的代码，用户可以体验最新的预测功能。
2. Argoverse 2 边际预测检查点发布：2023年7月4日，发布了 Argoverse 2 边际预测的检查点，用户可以尝试使用这些检查点进行预测。
3. QCNeXt 冠军版本：2023年6月18日，QCNeXt（QCNet 的扩展版本）在 CVPR 2023 自动驾驶研讨会（WAD）的 Argoverse 2 多智能体运动预测挑战赛中获得了冠军。