(EN) A prediction information acquisition method, a model training method, and a device. The acquisition method comprises: on the basis of information of an object in a traffic environment, obtaining prediction information of a first vehicle by means of a model, wherein the first vehicle is the ego vehicle, and the prediction information of the vehicle indicates a trajectory and/or a driving strategy of the vehicle (302); on the basis of the prediction information of the first vehicle, obtaining prediction information of a second vehicle by means of the model, the second vehicle being another vehicle other than the ego vehicle (303); and, on the basis of the prediction information of the second vehicle, obtaining updated prediction information of the first vehicle by means of the model (304). The prediction information of other vehicles is present in an explicit state, such that during model training, the model can be guided by means of a loss function to learn how to obtain correct prediction information of the other vehicles, and in addition, during model inference, interaction processes between the ego vehicle and the other vehicles can also be represented explicitly, thereby enabling the model to obtain better prediction information of the ego vehicle by comprehensively considering the interactions between the ego vehicle and the other vehicles.
(FR) L'invention concerne un procédé d'acquisition d'informations de prédiction, un procédé d'apprentissage de modèle et un dispositif. Le procédé d'acquisition comprend des étapes consistant à : sur la base d'informations d'un objet dans un environnement de trafic, obtenir des informations de prédiction d'un premier véhicule au moyen d'un modèle, le premier véhicule étant le véhicule autonome, et les informations de prédiction du véhicule indiquant une trajectoire et/ou une stratégie de conduite du véhicule (302); sur la base des informations de prédiction du premier véhicule, obtenir des informations de prédiction d'un second véhicule au moyen du modèle, le second véhicule étant un autre véhicule autre que le véhicule autonome (303); et, sur la base des informations de prédiction du second véhicule, obtenir des informations de prédiction mises à jour du premier véhicule au moyen du modèle (304). Les informations de prédiction d'autres véhicules sont présentes dans un état explicite de telle sorte que, pendant un apprentissage de modèle, le modèle peut être guidé au moyen d'une fonction de perte pour apprendre comment obtenir des informations de prédiction correctes des autres véhicules et, en outre, pendant une inférence de modèle, des processus d'interaction entre le véhicule autonome et les autres véhicules peuvent également être représentés explicitement, ce qui permet au modèle d'obtenir de meilleures informations de prédiction du véhicule autonome en considérant de manière complète les interactions entre le véhicule autonome et les autres véhicules.
(ZH) 一种预测信息的获取方法、模型的训练方法以及设备，获取方法包括：基于交通环境中物体的信息，通过模型得到第一车辆的预测信息，第一车辆为自车，车辆的预测信息指示车辆的轨迹和/或驾驶策略（302）；基于第一车辆的预测信息，通过模型得到第二车辆的预测信息，第二车辆为自车之外的他车（303）；基于第二车辆的预测信息，通过模型得到第一车辆的更新后的预测信息（304）。由于他车的预测信息是显示状态存在的，因此有利于实现在模型的训练过程中通过损失函数牵引模型学习如何得到他车的正确的预测信息，且在模型的推理过程中，还会显示地表达自车与他车之间的交互过程，有利于使模型在综合考虑自车与他车之间的交互情况后，得到自车更好的预测信息。