論文の概要: UMC: A Unified Bandwidth-efficient and Multi-resolution based
Collaborative Perception Framework
- arxiv url: http://arxiv.org/abs/2303.12400v1
- Date: Wed, 22 Mar 2023 09:09:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-23 14:32:25.498254
- Title: UMC: A Unified Bandwidth-efficient and Multi-resolution based
Collaborative Perception Framework
- Title(参考訳): UMC: バンド幅効率とマルチレゾリューションに基づく協調知覚フレームワーク
- Authors: Tianhang Wang, Guang Chen, Kai Chen, Zhengfa Liu, Bo Zhang, Alois
Knoll, Changjun Jiang
- Abstract要約: UMCと呼ばれる統一協調認識フレームワークを提案する。
マルチレゾリューション技術を用いて,コミュニケーション,コラボレーション,再構築プロセスの最適化を図っている。
実験の結果,提案したUTCは,最先端の協調認識手法よりも優れていたことが確認された。
- 参考スコア(独自算出の注目度): 20.713675020714835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-agent collaborative perception (MCP) has recently attracted much
attention. It includes three key processes: communication for sharing,
collaboration for integration, and reconstruction for different downstream
tasks. Existing methods pursue designing the collaboration process alone,
ignoring their intrinsic interactions and resulting in suboptimal performance.
In contrast, we aim to propose a Unified Collaborative perception framework
named UMC, optimizing the communication, collaboration, and reconstruction
processes with the Multi-resolution technique. The communication introduces a
novel trainable multi-resolution and selective-region (MRSR) mechanism,
achieving higher quality and lower bandwidth. Then, a graph-based collaboration
is proposed, conducting on each resolution to adapt the MRSR. Finally, the
reconstruction integrates the multi-resolution collaborative features for
downstream tasks. Since the general metric can not reflect the performance
enhancement brought by MCP systematically, we introduce a brand-new evaluation
metric that evaluates the MCP from different perspectives. To verify our
algorithm, we conducted experiments on the V2X-Sim and OPV2V datasets. Our
quantitative and qualitative experiments prove that the proposed UMC greatly
outperforms the state-of-the-art collaborative perception approaches.
- Abstract(参考訳): マルチエージェント協調知覚(MCP)は近年注目されている。
共有のためのコミュニケーション、インテグレーションのためのコラボレーション、さまざまなダウンストリームタスクの再構築という3つの重要なプロセスが含まれている。
既存の手法は、協調プロセスを単独で設計し、本質的な相互作用を無視し、最適以下のパフォーマンスをもたらす。
対照的に,マルチレゾリューション技術を用いてコミュニケーション,コラボレーション,再構築のプロセスを最適化する,統一協調認識フレームワーク UMC を提案する。
通信は、新しいトレーニング可能なマルチレゾリューションと選択的領域(MRSR)機構を導入し、より高い品質と低い帯域幅を実現する。
次に、MRSRを適応させるために各解像度でグラフベースのコラボレーションを提案する。
最後に、レコンストラクションはダウンストリームタスクのマルチレゾリューション協調機能を統合する。
総合評価基準は, MCPによる性能向上を体系的に反映できないため, 異なる視点から評価する新たな評価基準を導入する。
このアルゴリズムを検証するために,V2X-SimおよびOPV2Vデータセットの実験を行った。
定量的・定性的な実験により,提案するumcが最先端の協調的知覚アプローチを大きく上回っていることを証明した。
関連論文リスト
- What Makes Good Collaborative Views? Contrastive Mutual Information Maximization for Multi-Agent Perception [52.41695608928129]
マルチエージェント認識(MAP)は、複数のソースからのデータを解釈することで、自律システムが複雑な環境を理解することを可能にする。
本稿では,MAPにおける協調的視点の「良い」特性を探求することに焦点を当てた中間的協調について検討する。
中間コラボレーションのための新しいフレームワークCMiMCを提案する。
論文 参考訳(メタデータ) (2024-03-15T07:18:55Z) - Beyond Isolation: Multi-Agent Synergy for Improving Knowledge Graph Construction [6.020016097668138]
CooperKGCは、知識グラフ構築(KGC)における大規模言語モデル(LLM)の従来の孤立的アプローチに挑戦する新しいフレームワークである。
CooperKGCはコラボレーティブな処理ネットワークを確立し、エンティティ、リレーション、イベント抽出タスクを同時に処理できるチームを組み立てる。
論文 参考訳(メタデータ) (2023-12-05T07:27:08Z) - DCP-Net: A Distributed Collaborative Perception Network for Remote
Sensing Semantic Segmentation [12.745202593789152]
本稿では,分散協調認識ネットワークであるDCP-Netを革新的に紹介する。
DCP-Netは、メンバーが他のプラットフォームの機能を統合することで知覚性能を向上させるのに役立つ。
その結果、DCP-Netは既存の手法を網羅的に上回っていることがわかった。
論文 参考訳(メタデータ) (2023-09-05T13:36:40Z) - CORE: Cooperative Reconstruction for Multi-Agent Perception [24.306731432524227]
COREは概念的にシンプルで効果的でコミュニケーション効率の良い多エージェント協調知覚モデルである。
2つの重要な洞察に基づいて協調的な再建という新たな視点から、この課題に対処する。
大規模マルチエージェントの知覚データセットであるOPV2V上でCOREを検証する。
論文 参考訳(メタデータ) (2023-07-21T11:50:05Z) - Learning Reward Machines in Cooperative Multi-Agent Tasks [75.79805204646428]
本稿では,MARL(Multi-Agent Reinforcement Learning)に対する新しいアプローチを提案する。
これは、協調的なタスク分解と、サブタスクの構造をコードする報酬機(RM)の学習を組み合わせる。
提案手法は、部分的に観測可能な環境下での報酬の非マルコフ的性質に対処するのに役立つ。
論文 参考訳(メタデータ) (2023-03-24T15:12:28Z) - 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) - RACA: Relation-Aware Credit Assignment for Ad-Hoc Cooperation in
Multi-Agent Deep Reinforcement Learning [55.55009081609396]
本稿では、アドホックな協調シナリオにおいてゼロショットの一般化を実現するRACA(Relation-Aware Credit Assignment)と呼ばれる新しい手法を提案する。
RACAは、エージェント間のトポロジ構造を符号化するために、グラフベースのエンコーダ関係を利用する。
提案手法は,StarCraftIIマイクロマネジメントベンチマークとアドホック協調シナリオのベースライン手法よりも優れている。
論文 参考訳(メタデータ) (2022-06-02T03:39:27Z) - Emergence of Theory of Mind Collaboration in Multiagent Systems [65.97255691640561]
ToMとエージェント間の効果的な協調を開発するための適応的学習アルゴリズムを提案する。
アルゴリズムはToMをモデル化せずに従来の分散実行アルゴリズムを全て上回る2つのゲームで評価する。
論文 参考訳(メタデータ) (2021-09-30T23:28:00Z) - Provably Efficient Cooperative Multi-Agent Reinforcement Learning with
Function Approximation [15.411902255359074]
定常的な通信予算を一定に保っても,ほぼ最適に学習できることを示す。
私たちの仕事は、マルチエージェントコンテキストとマルチアームバンディット文学からMDP、強化学習まで、いくつかのアイデアを一般化します。
論文 参考訳(メタデータ) (2021-03-08T18:51:00Z) - Deep Multi-Task Learning for Cooperative NOMA: System Design and
Principles [52.79089414630366]
我々は,近年のディープラーニング(DL)の進歩を反映した,新しいディープ・コラボレーティブなNOMAスキームを開発する。
我々は,システム全体を包括的に最適化できるように,新しいハイブリッドカスケードディープニューラルネットワーク(DNN)アーキテクチャを開発した。
論文 参考訳(メタデータ) (2020-07-27T12:38:37Z)
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。