論文の概要: Towards Vehicle-to-everything Autonomous Driving: A Survey on Collaborative Perception

• arxiv url: http://arxiv.org/abs/2308.16714v1
• Date: Thu, 31 Aug 2023 13:28:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-01 14:23:02.532391
• Title: Towards Vehicle-to-everything Autonomous Driving: A Survey on Collaborative Perception
• Title（参考訳）: 車から全車への自動運転に向けて:協調的知覚に関する調査
• Authors: Si Liu, Chen Gao, Yuan Chen, Xingyu Peng, Xianghao Kong, Kun Wang, Runsheng Xu, Wentao Jiang, Hao Xiang, Jiaqi Ma, Miao Wang
• Abstract要約: 自動車から全車への自動運転(V2X)は、新しい世代のインテリジェント交通システムを開発する上で有望な方向を開く。 V2Xを実現するための重要な要素として協調的知覚(CP)は、個々の知覚の固有の限界を克服することができる。 我々は、V2XシナリオのCPメソッドの包括的なレビューを行い、コミュニティに深い深い深い理解をもたらします。
• 参考スコア（独自算出の注目度）: 40.90789787242417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vehicle-to-everything (V2X) autonomous driving opens up a promising direction for developing a new generation of intelligent transportation systems. Collaborative perception (CP) as an essential component to achieve V2X can overcome the inherent limitations of individual perception, including occlusion and long-range perception. In this survey, we provide a comprehensive review of CP methods for V2X scenarios, bringing a profound and in-depth understanding to the community. Specifically, we first introduce the architecture and workflow of typical V2X systems, which affords a broader perspective to understand the entire V2X system and the role of CP within it. Then, we thoroughly summarize and analyze existing V2X perception datasets and CP methods. Particularly, we introduce numerous CP methods from various crucial perspectives, including collaboration stages, roadside sensors placement, latency compensation, performance-bandwidth trade-off, attack/defense, pose alignment, etc. Moreover, we conduct extensive experimental analyses to compare and examine current CP methods, revealing some essential and unexplored insights. Specifically, we analyze the performance changes of different methods under different bandwidths, providing a deep insight into the performance-bandwidth trade-off issue. Also, we examine methods under different LiDAR ranges. To study the model robustness, we further investigate the effects of various simulated real-world noises on the performance of different CP methods, covering communication latency, lossy communication, localization errors, and mixed noises. In addition, we look into the sim-to-real generalization ability of existing CP methods. At last, we thoroughly discuss issues and challenges, highlighting promising directions for future efforts. Our codes for experimental analysis will be public at https://github.com/memberRE/Collaborative-Perception.
• Abstract（参考訳）: 自動運転車(V2X)は、新しい世代のインテリジェント交通システムを開発する上で有望な方向を開く。 V2Xを実現するための重要な要素として協調的知覚(CP)は、咬合や長距離知覚を含む個々の知覚の固有の限界を克服することができる。 本調査では,V2Xシナリオに対するCP手法の総合的なレビューを行い,コミュニティに深い深い理解をもたらす。 具体的には、V2Xシステム全体のアーキテクチャとワークフローについて紹介し、V2Xシステム全体と、その中のCPの役割を理解するためのより広い視点を提供する。 そして,既存のV2X知覚データセットとCP手法を徹底的に要約し,解析する。 特に,コラボレーションステージ,道路センサ配置,遅延補償,パフォーマンス帯域幅トレードオフ,アタック/ディフェンス,ポーズアライメントなど,さまざまな重要な観点からのCP手法を紹介する。 さらに,現在のcp法との比較・検討のために広範な実験分析を行い,本質的かつ未検討な知見を明らかにした。 具体的には、異なる帯域幅で異なるメソッドのパフォーマンス変化を分析し、パフォーマンス-帯域幅トレードオフ問題に関する深い洞察を提供する。 また、異なるLiDAR範囲での手法についても検討する。 モデルロバスト性について検討するため,様々なCP法の性能に及ぼす実環境騒音の影響について検討し,通信遅延,通信損失,局所誤差,混合雑音について検討した。 さらに、既存のCP手法のsim-to-real一般化能力について考察する。 最後に、私たちは問題と課題を徹底的に議論し、今後の取り組みの有望な方向性を強調します。 実験分析のコードはhttps://github.com/memberRE/Collaborative-Perception.comで公開されます。

関連論文リスト

• Deep Learning for Video Anomaly Detection: A Review [52.74513211976795]
  ビデオ異常検出(VAD)は、ビデオの正常性から逸脱する行動や事象を発見することを目的としている。 ディープラーニングの時代には、VADタスクには、さまざまなディープラーニングベースの方法が常に現れています。 このレビューでは、半教師付き、弱教師付き、完全教師付き、非教師付き、オープンセットの5つのカテゴリのスペクトルについて取り上げる。
  論文  参考訳（メタデータ） (2024-09-09T07:31:16Z)
• CooTest: An Automated Testing Approach for V2X Communication Systems [15.570594621752834]
  我々は,V2X指向の協調認識モジュールの最初の自動テストツールであるCooTestを設計,実装した。 CooTestは、様々なV2X指向の運転条件下での誤動作を効果的に検出できる。
  論文  参考訳（メタデータ） (2024-08-29T12:01:21Z)
• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• V2X Cooperative Perception for Autonomous Driving: Recent Advances and Challenges [32.11627955649814]
  車両間協調認識(V2X)により、車両は認識データを共有でき、状況認識を高め、個々の車両の知覚能力の限界を克服することができる。 V2X CPは、認識範囲の拡大、精度の向上、複雑な環境下での自動運転車の意思決定と制御能力の向上に不可欠である。 本稿では、V2X CPの最近の進歩を包括的に調査し、様々なコラボレーション戦略にまたがるCPプロセスの数学的モデルを紹介する。
  論文  参考訳（メタデータ） (2023-10-05T13:19:48Z)
• CoPEM: Cooperative Perception Error Models for Autonomous Driving [20.60246432605745]
  我々は、隠蔽対象の誤検知エラーとして現れる自律走行車(AV)の(車載)知覚に焦点を当てる。 本稿では,仮想テスト環境におけるV2Xソリューションの効果的な統合を実現するために,協調知覚誤りモデル(coPEM)の概念を導入する。
  論文  参考訳（メタデータ） (2022-11-21T04:40:27Z)
• 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)
• V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision Transformer [58.71845618090022]
  我々は、道路上のエージェント間で情報を融合するために、V2X-ViTという全体論的アテンションモデルを構築した。 V2X-ViTは異質なマルチエージェント自己アテンションとマルチスケールウィンドウ自己アテンションの交互層から構成される。 我々のアプローチを検証するために、我々は大規模なV2X知覚データセットを作成します。
  論文  参考訳（メタデータ） (2022-03-20T20:18:25Z)
• V2X-Sim: A Virtual Collaborative Perception Dataset for Autonomous Driving [26.961213523096948]
  V2X(V2X)は、車両と周囲のあらゆる物体の協調を意味する。 V2X-Simデータセットは、自動運転における最初の大規模協調認識データセットである。
  論文  参考訳（メタデータ） (2022-02-17T05:14:02Z)
• Consistency Regularization for Deep Face Anti-Spoofing [69.70647782777051]
  顔認証システムでは、顔認証(FAS)が重要な役割を担っている。 このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。 FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
  論文  参考訳（メタデータ） (2021-11-24T08:03:48Z)
• Divide-and-Conquer for Lane-Aware Diverse Trajectory Prediction [71.97877759413272]
  軌道予測は、自動運転車が行動を計画し実行するための安全クリティカルなツールです。 近年の手法は,WTAやベスト・オブ・マニーといったマルチコース学習の目標を用いて,強力なパフォーマンスを実現している。 我々の研究は、軌道予測、学習出力、そして運転知識を使って制約を課すことによるより良い予測における2つの重要な課題に対処する。
  論文  参考訳（メタデータ） (2021-04-16T17:58:56Z)

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。