為促進自動駕駛領域的行為預測技術發展，加速預測模型/演算法評價的研究，加州大學伯克利分校機械系統控制實驗室（MSC Lab）攜手AI資料服務平臺提供商Graviti（格物鈦）、雲服務商AWS（亞馬遜雲）舉辦的“INTERACTION資料集預測挑戰賽”正式啟動。
目前學術界和工業界一致認為，行為預測（Prediction: 如軌跡、動作、意圖）是自動駕駛領域最具挑戰性的問題之一，它是阻礙全自動駕駛實現的一大因素。而要解決這一問題，有兩個條件不可或缺：一是包含很多車輛和行人互動的真實場景運動資料的收集和積累，二是可以透過這些資料對各種預測演算法進行正確而有效的評價。但不幸的是，目前沒有一個可以公平比較不同預測模型（或演算法）效能的基準，尤其是在考慮到有規劃在環的情況下（模型整合了預測和規劃兩個模組），公平基準是個大難題。
為此，加州大學伯克利分校機械系統控制實驗室（MSC Lab）與來自卡爾斯魯厄理工學院（KIT）和國立巴黎高等礦業學院（MINES ParisTech）的合作者建立了一個國際性、對抗性、協作性的資料集（INTERACTION）。它能準確再現不同國家的各種駕駛場景中道路使用者（如車輛、行人）的大量互動性行為。
為了加快學術界和工業界圍繞預測模型/演算法評價的討論和研究，加州大學伯克利分校機械系統控制實驗室聯合AI資料服務平臺提供商Graviti（格物鈦）和AWS（亞馬遜雲）發起了基於INTERACTION資料集（INTERPRET）的預測挑戰賽，該挑戰賽旨在為自動駕駛的發展構建有效且有價值的預測方法。
作為挑戰賽贊助商的Graviti（格物鈦）一直致力於讓機器學習變得簡單，讓所有有創造力的個人和企業都能夠輕鬆使用AI，實現AI觸手可及。Graviti願意透過自己一站式的機器學習平臺，幫助更多的開發者可以更快的把無人駕駛變成現實。
此次大賽Graviti的資料集管理系統將被用來託管比賽所使用的訓練、驗證和測試資料，提供並開放給比賽參與者下載；同時Graviti的模型評估框架會被用來計算參賽者上傳結果所取得的成績，並生成排行榜。而AWS將為所有服務提供雲服務資源和支援。
“INTERACTION資料集預測挑戰賽”分為五個挑戰賽，分別是常規挑戰賽、資料效率挑戰賽、概括性挑戰賽、閉環挑戰賽、開源挑戰賽。本次大賽計劃在3月和6月舉辦兩輪比賽，根據較為公允的指標對預測模型和演算法進行不同方面的評價和測試。參賽者可以獲得訓練和驗證資料集的輸入和輸出，但只能獲得測試集的輸入。在參賽者提交了測試集上演算法輸出的結果後，將進行一系列評價，並在活動排行榜上公佈得分。首輪賽事將持續到5月底截止，挑戰賽資料集和結果將在6月舉行的Waymo 2020 CVPR 的論壇上公佈。
歡迎參賽者嘗試不同的挑戰。
