ในการขับขี่อัตโนมัติ การพยากรณ์เส้นทางของรถยนต์รอบข้างเป็นสิ่งสำคัญต่อความปลอดภัย แต่โมเดลปัจจุบันมักประสบปัญหาเมื่อเจอจุดอับสายตาหรือความผิดพลาดของเซนเซอร์ แม้การใช้เทคโนโลยี V2V (Vehicle-to-Vehicle) จะช่วยได้ แต่การแชร์ข้อมูลภาพหรือฟีเจอร์แมปขนาดใหญ่กลับสร้างภาระหนักให้กับระบบสื่อสารและต้องการความแม่นยำในการซิงโครไนซ์ข้อมูลที่สูงเกินไปในทางปฏิบัติ
งานวิจัยนี้จึงเสนอเฟรมเวิร์กแบบ Late Fusion ที่ย้ายการทำงานร่วมกันจากระดับการรับรู้ (Perception) ไปยังระดับการพยากรณ์ (Prediction) แทน วิธีนี้ช่วยให้รถแต่ละคันทำหน้าที่เป็นเอเจนท์อิสระที่ทำงานไม่พร้อมกันได้ (Asynchronous) และแชร์เพียงข้อมูลพยากรณ์ที่กระชับกว่าเดิม ผลการทดสอบในชุดข้อมูล OPV2V และ V2V4Real พบว่าช่วยลดอัตราการพยากรณ์พลาดและเพิ่มความแม่นยำในการระบุตำแหน่งได้ดีกว่าการต่างคนต่างพยากรณ์อย่างมีนัยสำคัญ
