論文の概要: Cooperverse: A Mobile-Edge-Cloud Framework for Universal Cooperative Perception with Mixed Connectivity and Automation

• arxiv url: http://arxiv.org/abs/2302.03128v1
• Date: Mon, 6 Feb 2023 21:30:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-08 18:14:06.929377
• Title: Cooperverse: A Mobile-Edge-Cloud Framework for Universal Cooperative Perception with Mixed Connectivity and Automation
• Title（参考訳）: Cooperverse: 複合接続性と自動化を備えたユニバーサルコラボレーション知覚のためのモバイルエッジクラウドフレームワーク
• Authors: Zhengwei Bai, Guoyuan Wu, Matthew J. Barth, Yongkang Liu, Emrah Akin Sisbot, Kentaro Oguchi
• Abstract要約: 我々は、ユニバーサルCPシステムを最適化問題と、Cooperverseと呼ばれるモバイルエッジクラウドフレームワークに定式化する。 動的特徴共有(DFS)手法は,特定の制約の下でこのCPシステムをサポートするために導入された。 その結果,Cooperverseフレームワークは動的ノードエンゲージメントに有効であることが示唆された。
• 参考スコア（独自算出の注目度）: 15.195933965761645
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Cooperative perception (CP) is attracting increasing attention and is regarded as the core foundation to support cooperative driving automation, a potential key solution to addressing the safety, mobility, and sustainability issues of contemporary transportation systems. However, current research on CP is still at the beginning stages where a systematic problem formulation of CP is still missing, acting as the essential guideline of the system design of a CP system under real-world situations. In this paper, we formulate a universal CP system into an optimization problem and a mobile-edge-cloud framework called Cooperverse. This system addresses CP in a mixed connectivity and automation environment. A Dynamic Feature Sharing (DFS) methodology is introduced to support this CP system under certain constraints and a Random Priority Filtering (RPF) method is proposed to conduct DFS with high performance. Experiments have been conducted based on a high-fidelity CP platform, and the results show that the Cooperverse framework is effective for dynamic node engagement and the proposed DFS methodology can improve system CP performance by 14.5% and the RPF method can reduce the communication cost for mobile nodes by 90% with only 1.7% drop for average precision.
• Abstract（参考訳）: 協調認識(cp)は注目を集めており、現代交通システムの安全性、移動性、持続可能性の問題に対処するための鍵となる解決策である協調運転自動化を支援するための基礎的基盤と考えられている。 しかし、CPに関する現在の研究は、CPの体系的な問題定式化がまだ欠けている初期段階にあり、実際の状況下でのCPシステムのシステム設計の重要な指針として機能している。 本稿では,ユニバーサルCPシステムを最適化問題とCooperverseと呼ばれるモバイルエッジクラウドフレームワークに定式化する。 このシステムは、CPを混合接続および自動化環境で扱う。 動的特徴共有(DFS)手法は,特定の制約下でこのCPシステムをサポートするために導入され,高い性能でDSFを行うためにRPF法が提案されている。 実験は高忠実度CPプラットフォームを用いて行われており、Cooperverseフレームワークは動的ノードエンゲージメントに有効であり、提案手法はシステムCPの性能を14.5%向上し、RPF法は平均精度1.7%の低下で移動ノードの通信コストを90%削減できることを示した。

関連論文リスト

• DiffCP: Ultra-Low Bit Collaborative Perception via Diffusion Model [44.23276350463173]
  コラボレーティブ・インテリジェンス(CP)は、スタンドアローン・インテリジェンスの本質的な限界に対する有望な解決策として浮上している。 DiffCPは、特殊な拡散モデルを用いて協調者の知覚情報を効率的に圧縮する新しいCPパラダイムである。 DiffCPは,最先端のアルゴリズムと同じ性能を維持しつつ,通信コストを14.5倍に削減できることを示す。
  論文  参考訳（メタデータ） (2024-09-29T07:19:54Z)
• Task-Oriented Wireless Communications for Collaborative Perception in Intelligent Unmanned Systems [13.942103196446377]
  協調的知覚は、無人システムにおいてより包括的で信頼性の高い環境認識を実現する大きな可能性を示している。 CP タスクの実装は,CP タスクの特性と無線チャネルのダイナミックスにより,依然として重要な課題に直面している。 通信方式とCP手順を協調的に最適化するタスク指向無線通信フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-05T09:22:19Z)
• Vertical Federated Learning over Cloud-RAN: Convergence Analysis and System Optimization [82.12796238714589]
  高速かつ正確なモデルアグリゲーションを実現するために,クラウド無線アクセスネットワーク(Cloud-RAN)ベースの垂直FLシステムを提案する。 アップリンクとダウンリンクの両方の伝送を考慮した垂直FLアルゴリズムの収束挙動を特徴付ける。 我々は,連続凸近似と代替凸探索に基づくシステム最適化アルゴリズムを開発した,連系トランシーバとフロントホール量子化設計によるシステム最適化フレームワークを構築した。
  論文  参考訳（メタデータ） (2023-05-04T09:26:03Z)
• MARLIN: Soft Actor-Critic based Reinforcement Learning for Congestion Control in Real Networks [63.24965775030673]
  そこで本研究では,汎用的な渋滞制御(CC)アルゴリズムを設計するための新しい強化学習(RL)手法を提案する。 我々の解であるMARLINは、Soft Actor-Criticアルゴリズムを用いてエントロピーとリターンの両方を最大化する。 我々は,MARLINを実ネットワーク上で訓練し,実ミスマッチを克服した。
  論文  参考訳（メタデータ） (2023-02-02T18:27:20Z)
• A Survey and Framework of Cooperative Perception: From Heterogeneous Singleton to Hierarchical Cooperation [14.525705886707089]
  本稿では,協調知覚(CP)研究の進展を概観し,統一的なCPフレームワークを提案する。 CPは、自動化を促進するための認識のボトルネックを解き放つために生まれた。 階層的なCPフレームワークが提案され、続いて既存のデータセットとシミュレータをレビューし、CPの全体像をスケッチする。
  論文  参考訳（メタデータ） (2022-08-22T20:47:35Z)
• Collaborative Intelligent Reflecting Surface Networks with Multi-Agent Reinforcement Learning [63.83425382922157]
  インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。 本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
  論文  参考訳（メタデータ） (2022-03-26T20:37:14Z)
• Semi-asynchronous Hierarchical Federated Learning for Cooperative Intelligent Transportation Systems [10.257042901204528]
  コラボレーティブ・インテリジェント・トランスポート・システム(C-ITS)は、自動運転車や道路インフラの安全性、効率性、持続可能性、快適なサービスを提供する有望なネットワークである。 C-ITSのコンポーネントは通常大量のデータを生成するため、データサイエンスを探索することは困難である。 本稿では,C-ITSのためのSemi-a synchronous Federated Learning (SHFL) フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-18T07:44:34Z)
• A Hysteretic Q-learning Coordination Framework for Emerging Mobility Systems in Smart Cities [3.563646182996609]
  接続された自動車両(CAV)は交通渋滞や大気汚染を緩和し、安全性を向上させる。 本稿では,移動時間を最小限に抑え,燃料効率を向上させるために,信号のない交差点におけるCAVの分散コーディネートフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-05T23:30:05Z)
• F2A2: Flexible Fully-decentralized Approximate Actor-critic for Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
  分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。 本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。 当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
  論文  参考訳（メタデータ） (2020-04-17T14:56:29Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。