論文の概要: Latency-Aware Collaborative Perception

• arxiv url: http://arxiv.org/abs/2207.08560v1
• Date: Mon, 18 Jul 2022 12:40:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-19 18:43:42.509016
• Title: Latency-Aware Collaborative Perception
• Title（参考訳）: レイテンシを考慮した協調認識
• Authors: Zixing Lei, Shunli Ren, Yue Hu, Wenjun Zhang and Siheng Chen
• Abstract要約: 本稿では,複数のエージェントから同じタイムスタンプへの非同期知覚機能を積極的に採用する,遅延認識型協調認識システムを提案する。 本手法は,最新の協調認識データセットであるV2X-SIMにおいて,最先端の協調認識手法を15.6%向上させる。
• 参考スコア（独自算出の注目度）: 31.421282624961883
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative perception has recently shown great potential to improve perception capabilities over single-agent perception. Existing collaborative perception methods usually consider an ideal communication environment. However, in practice, the communication system inevitably suffers from latency issues, causing potential performance degradation and high risks in safety-critical applications, such as autonomous driving. To mitigate the effect caused by the inevitable communication latency, from a machine learning perspective, we present the first latency-aware collaborative perception system, which actively adopts asynchronous perceptual features from multiple agents to the same timestamp, promoting the robustness and effectiveness of collaboration. To achieve such a feature-level synchronization, we propose a novel latency compensation module, calledSyncNet, which leverages feature-attention symbiotic estimation and time modulation techniques. Experimental results show that our method outperforms the state-of-the-art collaborative perception method by 15.6% on the latest collaborative perception dataset V2X-SIM.
• Abstract（参考訳）: 協調的知覚は、最近、単一エージェント知覚よりも知覚能力を向上させる大きな可能性を示している。 既存の協調認識手法は通常理想的なコミュニケーション環境を考える。 しかし、実際には、通信システムは必然的にレイテンシの問題に悩まされ、潜在的な性能低下と自律運転のような安全クリティカルなアプリケーションに高いリスクをもたらす。 回避可能な通信遅延の影響を軽減するため、機械学習の観点からは、複数のエージェントから同じタイムスタンプへの非同期知覚機能を積極的に採用し、コラボレーションの堅牢性と有効性を促進する、第1のレイテンシアウェア協調認識システムを提案する。 このような特徴レベルの同期を実現するために,特徴意識共生推定と時間変調技術を活用したSyncNetという新しい遅延補償モジュールを提案する。 実験の結果,最新の協調認識データセットであるV2X-SIMでは,最先端の協調認識法よりも15.6%優れていた。

関連論文リスト

• OFDM-Standard Compatible SC-NOFS Waveforms for Low-Latency and Jitter-Tolerance Industrial IoT Communications [53.398544571833135]
  この研究は、スペクトル的に効率的な不規則なSinc (irSinc) 整形法を提案し、1924年に従来のSincを再考した。 irSincは、誤差性能を犠牲にすることなくスペクトル効率が向上した信号を生成する。 我々の信号は、5G標準信号構成により、同じスペクトル帯域内で高速なデータ伝送を実現する。
  論文  参考訳（メタデータ） (2024-06-07T09:20:30Z)
• Robust Collaborative Perception without External Localization and Clock Devices [52.32342059286222]
  複数のエージェントをまたいだ一貫した空間的時間的調整は、協調的な知覚の基礎である。 従来の手法は、ローカライゼーションとクロック信号を提供するために外部デバイスに依存している。 本稿では,様々なエージェントの知覚データに内在する幾何学的パターンを認識して整列する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-05T15:20:36Z)
• Collaborative Perception for Connected and Autonomous Driving: Challenges, Possible Solutions and Opportunities [10.749959052350594]
  コネクテッド・自動運転車(CAV)との協調的な認識は、これらの制限を克服するための有望な解決策である。 本稿では、まず、データ共有の非同期性、データボリューム、エラーの対応など、協調的な知覚の課題を識別する。 本稿では,チャネル認識型協調認識フレームワークである通信効率と遅延問題に対処する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-03T05:33:14Z)
• Practical Collaborative Perception: A Framework for Asynchronous and Multi-Agent 3D Object Detection [9.967263440745432]
  咬合は、LiDARベースのオブジェクト検出方法において大きな課題である。 最先端のV2X手法は、中間協調手法を用いて性能帯域幅のトレードオフを解消する。 我々は,従来の方法よりも帯域幅と性能のトレードオフを向上する,シンプルで効果的な協調手法を考案した。
  論文  参考訳（メタデータ） (2023-07-04T03:49:42Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)
• Multi-Agent Online Optimization with Delays: Asynchronicity, Adaptivity, and Optimism [33.116006446428756]
  遅延と非同期性を考慮したマルチエージェントオンライン学習問題の研究を行った。 エージェントレベルとネットワークレベルの両方で、最適な後悔の境界を持つ適応学習戦略を導き出します。
  論文  参考訳（メタデータ） (2020-12-21T18:55:55Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)
• Towards Streaming Perception [70.68520310095155]
  本稿では、リアルタイムオンライン知覚のための単一のメトリクスにレイテンシと精度を協調的に統合するアプローチを提案する。 この指標の背後にある重要な洞察は、瞬間ごとに認識スタック全体の出力を共同で評価することである。 本稿では,都市ビデオストリームにおけるオブジェクト検出とインスタンスセグメンテーションの具体的タスクに注目し,高品質で時間依存的なアノテーションを備えた新しいデータセットを寄贈する。
  論文  参考訳（メタデータ） (2020-05-21T01:51:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。