本研究提出了一种基于图注意力网络的GAMDTP模型，旨在提高自动驾驶系统中交通参与者的运动预测准确性。该模型在Argoverse数据集上实现了领先的动态轨迹预测性能。

我们的Le3DE2E_Occ解决方案在CVPR 2023自动驾驶（WAD）研讨会的Argoverse挑战中呈现了4D占用预测。该解决方案在Argoverse 2传感器数据集上测试，L1误差（3.57）比基线低18％，并在CVPR 2023的4D占用预测任务中获得第一名。

Le3DE2E解决方案在CVPR 2023无人驾驶研讨会上展示，包括检测、跟踪和预测三个任务，采用Bird's Eye View编码器和时空融合。在Argoverse 2数据集上测试，获得了Argoverse Challenges的第一名。