論文の概要: SmartCooper: Vehicular Collaborative Perception with Adaptive Fusion and Judger Mechanism

• arxiv url: http://arxiv.org/abs/2402.00321v2
• Date: Fri, 2 Feb 2024 03:32:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-05 11:51:21.919572
• Title: SmartCooper: Vehicular Collaborative Perception with Adaptive Fusion and Judger Mechanism
• Title（参考訳）: SmartCooper: アダプティブフュージョンと判断機構を備えた垂直協調知覚
• Authors: Yuang Zhang, Haonan An, Zhengru Fang, Guowen Xu, Yuan Zhou, Xianhao Chen and Yuguang Fang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 23.824400533836535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, autonomous driving has garnered significant attention due to its potential for improving road safety through collaborative perception among connected and autonomous vehicles (CAVs). However, time-varying channel variations in vehicular transmission environments demand dynamic allocation of communication resources. Moreover, in the context of collaborative perception, it is important to recognize that not all CAVs contribute valuable data, and some CAV data even have detrimental effects on collaborative perception. In this paper, we introduce SmartCooper, an adaptive collaborative perception framework that incorporates communication optimization and a judger mechanism to facilitate CAV data fusion. Our approach begins with optimizing the connectivity of vehicles while considering communication constraints. We then train a learnable encoder to dynamically adjust the compression ratio based on the channel state information (CSI). Subsequently, we devise a judger mechanism to filter the detrimental image data reconstructed by adaptive decoders. We evaluate the effectiveness of our proposed algorithm on the OpenCOOD platform. Our results demonstrate a substantial reduction in communication costs by 23.10\% compared to the non-judger scheme. Additionally, we achieve a significant improvement on the average precision of Intersection over Union (AP@IoU) by 7.15\% compared with state-of-the-art schemes.
• Abstract（参考訳）: 近年,コネクテッド・アンド・コネクテッド・オートモーティブ・ビークル(cav)の協調認識による道路安全性向上の可能性から,自動運転が注目されている。 しかしながら、車両の伝送環境における時間変動は、通信資源の動的割り当てを要求する。 さらに、協調知覚の文脈では、すべてのCAVが価値あるデータに貢献しているわけではなく、一部のCAVデータが協調知覚に有害な影響を与えることを認識することが重要である。 本稿では,CAVデータ融合を促進するための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。 我々のアプローチは、通信制約を考慮しながら車両の接続を最適化することから始まる。 次に、学習可能なエンコーダを訓練し、チャネル状態情報(CSI)に基づいて圧縮率を動的に調整する。 その後、適応デコーダによって再構成された有害画像データをフィルタリングする判定機構を考案する。 提案アルゴリズムの有効性をOpenCOODプラットフォーム上で評価する。 その結果,非ジュッジャー方式に比べて通信コストが23.10倍に大幅に削減された。 さらに、最先端のスキームと比較して、結合(ap@iou)上の交点の平均精度が7.15\%向上した。

関連論文リスト

• Channel-Aware Throughput Maximization for Cooperative Data Fusion in CAV [17.703608985129026]
  接続型および自律型車両(CAV)は、認識範囲の拡大と知覚範囲の増大により、大きな注目を集めている。 盲点や障害物などの問題に対処するため、CAVは周囲の車両からのデータを集めるために車両間通信を採用している。 本稿では,適応データ圧縮のための自己教師付きオートエンコーダを活用した,CAVデータ融合を容易にするチャネル対応スループット手法を提案する。
  論文  参考訳（メタデータ） (2024-10-06T00:43:46Z)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• CMP: Cooperative Motion Prediction with Multi-Agent Communication [21.60646440715162]
  本稿では,協調動作予測の実現可能性と有効性について検討する。 提案手法であるCMPは,LiDAR信号をモデル入力とし,追跡と予測能力を向上させる。 特に、CMPは平均予測誤差を16.4%削減し、検出精度は低下している。
  論文  参考訳（メタデータ） (2024-03-26T17:53:27Z)
• Towards Full-scene Domain Generalization in Multi-agent Collaborative Bird's Eye View Segmentation for Connected and Autonomous Driving [54.60458503590669]
  協調認識の学習段階と推論段階の両方に適用可能な統合ドメイン一般化フレームワークを提案する。 我々は、AmpAug(Amplitude Augmentation)法を用いて、低周波画像の変動を増大させ、学習能力を拡大する。 推論フェーズでは、システム内ドメインアライメント機構を導入し、ドメインの不一致を減らし、潜在的に排除する。
  論文  参考訳（メタデータ） (2023-11-28T12:52:49Z)
• Cooperative Perception with Learning-Based V2V communications [11.772899644895281]
  本研究は,コミュニケーションチャネル障害に対する協調認識会計の性能を解析する。 中間特性のロバスト性を活用するために, 新たなレイトフュージョン方式を提案する。 協調によって生じるデータサイズを圧縮するために、畳み込みニューラルネットワークベースのオートエンコーダを採用する。
  論文  参考訳（メタデータ） (2023-11-17T05:41:23Z)
• Adaptive Communications in Collaborative Perception with Domain Alignment for Autonomous Driving [21.11621380546942]
  本稿では,チャネル認識型協調認識フレームワークACC-DAを提案する。 まず,通信グラフを構築可能な伝送遅延最小化法を設計する。 次に、速度歪みトレードオフを動的に調整し、知覚効率を向上させる適応データ再構成機構を提案する。
  論文  参考訳（メタデータ） (2023-09-15T03:53:35Z)
• Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving [49.42873226593071]
  本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。 我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。 3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-24T04:59:13Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Vehicular Cooperative Perception Through Action Branching and Federated Reinforcement Learning [101.64598586454571]
  強化学習に基づく車両関連、リソースブロック(RB)割り当て、協調認識メッセージ(CPM)のコンテンツ選択を可能にする新しいフレームワークが提案されている。 車両全体のトレーニングプロセスをスピードアップするために、フェデレーションRLアプローチが導入されます。 その結果、フェデレーションRLはトレーニングプロセスを改善し、非フェデレーションアプローチと同じ時間内により良いポリシーを達成できることが示された。
  論文  参考訳（メタデータ） (2020-12-07T02:09:15Z)
• 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)

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。