Fugu-MT 論文翻訳(概要): Self-supervised Adaptive Weighting for Cooperative Perception in V2V Communications

論文の概要: Self-supervised Adaptive Weighting for Cooperative Perception in V2V Communications

arxiv url: http://arxiv.org/abs/2312.10342v1
Date: Sat, 16 Dec 2023 06:21:09 GMT
ステータス: 処理完了
システム内更新日: 2023-12-19 17:01:48.945746
Title: Self-supervised Adaptive Weighting for Cooperative Perception in V2V Communications
Title（参考訳）: V2V通信における協調知覚のための自己教師付き適応重み付け
Authors: Chenguang Liu, Jianjun Chen, Yunfei Chen, Ryan Payton, Michael Riley, Shuang-Hua Yang
Abstract要約: 協調知覚は、単車知覚の欠点に対処するための効果的なアプローチである。現在の協調核融合モデルは教師付きモデルに依存しており、任意のチャネル障害による動的性能劣化には対処しない。チャネル歪みの悪影響を軽減するために, 中間核融合のための自己教師付き適応重み付けモデルを提案する。
参考スコア（独自算出の注目度）: 11.772899644895281
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Perception of the driving environment is critical for collision avoidance and route planning to ensure driving safety. Cooperative perception has been widely studied as an effective approach to addressing the shortcomings of single-vehicle perception. However, the practical limitations of vehicle-to-vehicle (V2V) communications have not been adequately investigated. In particular, current cooperative fusion models rely on supervised models and do not address dynamic performance degradation caused by arbitrary channel impairments. In this paper, a self-supervised adaptive weighting model is proposed for intermediate fusion to mitigate the adverse effects of channel distortion. The performance of cooperative perception is investigated in different system settings. Rician fading and imperfect channel state information (CSI) are also considered. Numerical results demonstrate that the proposed adaptive weighting algorithm significantly outperforms the benchmarks without weighting. Visualization examples validate that the proposed weighting algorithm can flexibly adapt to various channel conditions. Moreover, the adaptive weighting algorithm demonstrates good generalization to untrained channels and test datasets from different domains.
Abstract（参考訳）: 運転環境の認識は、運転安全を確保するために衝突回避や経路計画に不可欠である。単車知覚の欠点に対処するための効果的なアプローチとして、協調的知覚が広く研究されている。しかし、車両間通信(V2V)の実用的限界は十分に検討されていない。特に、現在の協調融合モデルは教師付きモデルに依存しており、任意のチャネル障害による動的性能劣化には対処しない。本稿では,チャネル歪みの悪影響を軽減するため,中間核融合のための自己制御型適応重み付けモデルを提案する。協調知覚の性能は, システム設定によって異なる。 rician fading や imperfect channel state information (csi) も考慮される。その結果,提案する適応重み付けアルゴリズムは,重み付けを伴わないベンチマークを有意に上回ることがわかった。可視化例は、提案アルゴリズムが様々なチャネル条件に柔軟に適応できることを検証する。さらに、適応重み付けアルゴリズムは、訓練されていないチャネルと異なるドメインからのテストデータセットに良い一般化を示す。

関連論文リスト

Secure Hierarchical Federated Learning in Vehicular Networks Using Dynamic Client Selection and Anomaly Detection [10.177917426690701]
階層的フェデレートラーニング(HFL)は、車両ネットワークにおける敵または信頼できない車両の課題に直面している。本研究では,動的車両選択とロバストな異常検出機構を統合した新しい枠組みを提案する。提案アルゴリズムは,強烈な攻撃条件下においても顕著なレジリエンスを示す。
論文参考訳（メタデータ） (2024-05-25T18:31:20Z)
SmartCooper: Vehicular Collaborative Perception with Adaptive Fusion and Judger Mechanism [23.824400533836535]
通信最適化と判断機構を組み込んだ適応型協調認識フレームワークであるSmartCooperを紹介する。以上の結果から,非ジュッジャー方式に比べて通信コストが23.10%大幅に削減された。
論文参考訳（メタデータ） (2024-02-01T04:15:39Z)
Over-the-Air Federated Learning and Optimization [52.5188988624998]
エッジ・ザ・エア計算(AirComp)によるフェデレーション学習(FL)に焦点を当てる。本稿では,AirComp ベースの FedAvg (AirFedAvg) アルゴリズムの凸および非凸条件下での収束について述べる。エッジデバイス(モデル、勾配、モデル差など)で送信できるローカルアップデートの種類によって、AirFedAvgで送信するとアグリゲーションエラーが発生する可能性がある。さらに、より実用的な信号処理方式を検討し、通信効率を改善し、これらの信号処理方式によって引き起こされるモデル集約誤差の異なる形式に収束解析を拡張する。
論文参考訳（メタデータ） (2023-10-16T05:49:28Z)
DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文参考訳（メタデータ） (2023-10-03T10:10:42Z)
MASS: Mobility-Aware Sensor Scheduling of Cooperative Perception for Connected Automated Driving [19.66714697653504]
コラボレーティブ・パーセプション(CP)と呼ばれる新しいパラダイムが、コラボレーティブ・ビークル(CoV)からのセンサデータを共有することで救助にやってくる。既存の方法は、近くの車両からの知覚の利得を予測するために、可視性マップのようなメタ情報交換に依存している。 CPの分散スケジューリングにおいて,スケジューリング中に学習する新しい手法を提案する。提案したMASSアルゴリズムは,他の学習ベースアルゴリズムと比較して,最大4.2ポイントのリコール率向上を実現している。
論文参考訳（メタデータ） (2023-02-25T09:03:05Z)
Variational Voxel Pseudo Image Tracking [127.46919555100543]
不確実性推定は、ロボット工学や自律運転といった重要な問題にとって重要なタスクである。本稿では,3次元物体追跡のためのVoxel Pseudo Image Tracking (VPIT) の変分ニューラルネットワークによるバージョンを提案する。
論文参考訳（メタデータ） (2023-02-12T13:34:50Z)
Data efficient reinforcement learning and adaptive optimal perimeter control of network traffic dynamics [0.0]
本研究は、適応最適周波制御のためのマクロトラフィックダイナミクスの学習のための積分強化学習(IRL)に基づくアプローチを提案する。サンプリングの複雑さを低減し、利用可能なデータをより効率的に利用するために、IRLアルゴリズムに経験再生(ER)技術を導入している。 IRLに基づくアルゴリズムの収束と制御された交通力学の安定性は、リャプノフ理論によって証明される。
論文参考訳（メタデータ） (2022-09-13T04:28:49Z)
CATRO: Channel Pruning via Class-Aware Trace Ratio Optimization [61.71504948770445]
本稿では,CATRO (Class-Aware Trace Ratio Optimization) を用いた新しいチャネルプルーニング手法を提案する。 CATROは、他の最先端チャネルプルーニングアルゴリズムと同等の精度で、同様のコストまたは低コストで高い精度を達成できることを示す。 CATROは、クラス認識の特性のため、様々な分類サブタスクに適応的に効率の良いネットワークを創り出すのに適している。
論文参考訳（メタデータ） (2021-10-21T06:26:31Z)
Federated Learning on the Road: Autonomous Controller Design for Connected and Autonomous Vehicles [109.71532364079711]
CAV(コネクテッド・アンド・自律車両)の自律制御設計のための新しい統合学習(FL)フレームワークの提案 CAVの移動性、無線フェーディングチャネル、および不均衡で非独立で同一に分散されたデータを考慮に入れた新しい動的フェデレーション・プロキシ(DFP)アルゴリズムが提案されている。最適制御器を用いてCAVがどの程度の速度で収束するかを同定するために,提案アルゴリズムに対して厳密な収束解析を行う。
論文参考訳（メタデータ） (2021-02-05T19:57:47Z)
Robust Optimal Transport with Applications in Generative Modeling and Domain Adaptation [120.69747175899421]
ワッサーシュタインのような最適輸送(OT)距離は、GANやドメイン適応のようないくつかの領域で使用されている。本稿では,現代のディープラーニングアプリケーションに適用可能な,ロバストなOT最適化の計算効率のよい2つの形式を提案する。提案手法では, ノイズの多いデータセット上で, 外部分布で劣化したGANモデルをトレーニングすることができる。
論文参考訳（メタデータ） (2020-10-12T17:13:40Z)
Learning Scalable Multi-Agent Coordination by Spatial Differentiation for Traffic Signal Control [8.380832628205372]
交通信号制御のためのディープ強化学習法に基づくマルチエージェント協調フレームワークを設計する。具体的には、リプレイバッファ内の時間空間情報を用いて各アクションの報酬を補正する調整のための空間差分法を提案する。
論文参考訳（メタデータ） (2020-02-27T02:16:00Z)

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。