本文介绍了一种基于模块化架构的学车任务分解方法，涵盖障碍感知、目标预测和规划，取得了优异成果。同时，提出了多种基于图神经网络和跨模态嵌入框架的交通代理未来轨迹预测方法，利用多种传感器和数据集进行优化，验证了模型的有效性和优越性。

该研究介绍了一种多粒度转换器（MGTR）框架，用于处理交通代理的不同粒度上下文特征。通过整合LiDAR语义特征，增强了MGTR的功能。在Waymo Open数据集的测试中，MGTR排名第一。