論文の概要: Edge-Enabled Collaborative Object Detection for Real-Time Multi-Vehicle Perception
- arxiv url: http://arxiv.org/abs/2506.06474v1
- Date: Fri, 06 Jun 2025 18:58:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-10 16:33:10.286144
- Title: Edge-Enabled Collaborative Object Detection for Real-Time Multi-Vehicle Perception
- Title（参考訳）: リアルタイム多車両知覚のためのエッジ型協調物体検出
- Authors: Everett Richards, Bipul Thapa, Lena Mashayekhy,
- Abstract要約: この研究は、レイテンシに敏感な自律システムの協調認識を強化するエッジコンピューティングの可能性を強調している。
我々は、エッジコンピューティングとマルチCAVコラボレーションを活用して、リアルタイム、マルチパースペクティブなオブジェクト検出を実現する、革新的なフレームワークであるEdge-Enabled Collaborative Object Detection (ECOD)をCAV向けに導入する。
実験の結果,物体分類精度の向上によるECODの有意なメリットが示され,従来型の単一アスペクトオンボード方式よりも75%向上し,低レイテンシでエッジ駆動のリアルタイム処理が保証された。
- 参考スコア（独自算出の注目度）: 1.2289361708127877
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate and reliable object detection is critical for ensuring the safety and efficiency of Connected Autonomous Vehicles (CAVs). Traditional on-board perception systems have limited accuracy due to occlusions and blind spots, while cloud-based solutions introduce significant latency, making them unsuitable for real-time processing demands required for autonomous driving in dynamic environments. To address these challenges, we introduce an innovative framework, Edge-Enabled Collaborative Object Detection (ECOD) for CAVs, that leverages edge computing and multi-CAV collaboration for real-time, multi-perspective object detection. Our ECOD framework integrates two key algorithms: Perceptive Aggregation and Collaborative Estimation (PACE) and Variable Object Tally and Evaluation (VOTE). PACE aggregates detection data from multiple CAVs on an edge server to enhance perception in scenarios where individual CAVs have limited visibility. VOTE utilizes a consensus-based voting mechanism to improve the accuracy of object classification by integrating data from multiple CAVs. Both algorithms are designed at the edge to operate in real-time, ensuring low-latency and reliable decision-making for CAVs. We develop a hardware-based controlled testbed consisting of camera-equipped robotic CAVs and an edge server to evaluate the efficacy of our framework. Our experimental results demonstrate the significant benefits of ECOD in terms of improved object classification accuracy, outperforming traditional single-perspective onboard approaches by up to 75%, while ensuring low-latency, edge-driven real-time processing. This research highlights the potential of edge computing to enhance collaborative perception for latency-sensitive autonomous systems.
- Abstract（参考訳）: 正確で信頼性の高い物体検出は、コネクテッド・オートモービル(CAV)の安全性と効率を確保するために重要である。
従来のオンボード認識システムは、閉塞や盲点による精度の制限があるが、クラウドベースのソリューションでは大きな遅延が発生し、動的環境での自動運転に必要なリアルタイム処理には適さない。
これらの課題に対処するため,我々は,エッジコンピューティングとマルチCAVコラボレーションを活用して,リアルタイム・マルチパースペクティブなオブジェクト検出を実現する,革新的なフレームワークであるEdge-Enabled Collaborative Object Detection (ECOD)を導入した。
当社のECODフレームワークは,PACE(Perceptive Aggregation and Collaborative Estimation)とVOTE(Variable Object Tally and Evaluation)の2つの重要なアルゴリズムを統合している。
PACEはエッジサーバ上の複数のCAVから検出データを集約し、個々のCAVが可視性に制限のあるシナリオでの認識を高める。
VOTEはコンセンサスに基づく投票機構を用いて、複数のCAVからのデータを統合することにより、オブジェクト分類の精度を向上させる。
両方のアルゴリズムはエッジでリアルタイムに動作するように設計されており、CAVの低レイテンシと信頼性を確保している。
我々は,カメラを搭載したロボットCAVとエッジサーバを組み合わせたハードウェアベースの制御テストベッドを開発し,フレームワークの有効性を評価する。
実験の結果,物体分類精度の向上によるECODの有意なメリットが示され,従来型の単一アスペクトオンボード方式よりも75%向上し,低レイテンシでエッジ駆動のリアルタイム処理が保証された。
この研究は、レイテンシに敏感な自律システムの協調認識を強化するエッジコンピューティングの可能性を強調している。
関連論文リスト
- Towards Edge-Based Idle State Detection in Construction Machinery Using Surveillance Cameras [0.0]
未使用の建設機械は、運用コストとプロジェクト遅延を増大させる。
本稿では, アイドル機械検出のためのエッジIMIフレームワークを提案する。
提案手法は,オブジェクト検出,トラッキング,アイドル状態同定という3つのコンポーネントから構成される。
論文 参考訳（メタデータ） (2025-06-01T08:43:33Z) - Deep Reinforcement Learning-Based User Scheduling for Collaborative Perception [24.300126250046894]
車両間通信(V2X)を用いて、協調的知覚が知覚精度を向上させることを想定する。
通信資源が限られているため、すべてのユニットが点雲や高精細ビデオなどのセンシングデータを送信するのは現実的ではない。
協調認識のための深層強化学習に基づくV2Xユーザスケジューリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-02-12T04:45:00Z) - Efficient Detection Framework Adaptation for Edge Computing: A Plug-and-play Neural Network Toolbox Enabling Edge Deployment [59.61554561979589]
エッジコンピューティングは、時間に敏感なシナリオでディープラーニングベースのオブジェクト検出をデプロイするための重要なパラダイムとして登場した。
既存のエッジ検出手法では、軽量モデルによる検出精度のバランスの難しさ、適応性の制限、現実の検証の不十分といった課題に直面している。
本稿では,汎用的なプラグイン・アンド・プレイコンポーネントを用いてエッジ環境にオブジェクト検出モデルを適用するエッジ検出ツールボックス(ED-TOOLBOX)を提案する。
論文 参考訳（メタデータ） (2024-12-24T07:28:10Z) - Sparse Federated Training of Object Detection in the Internet of
Vehicles [13.864554148921826]
物体検出は、IoV(Internet of Vehicles)の鍵となる技術の一つである
現在のオブジェクト検出方法は、主に集中的な深層トレーニングに基づいており、エッジデバイスが取得したセンシティブなデータをサーバにアップロードする必要がある。
そこで本研究では,よく訓練されたローカルモデルを中央サーバで共有する,フェデレート学習ベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-09-07T08:58:41Z) - Integrated Sensing, Computation, and Communication for UAV-assisted
Federated Edge Learning [52.7230652428711]
フェデレーションエッジ学習(FEEL)は、エッジデバイスとサーバ間の定期的な通信を通じて、プライバシ保護モデルトレーニングを可能にする。
無人航空機(UAV)搭載エッジデバイスは、効率的なデータ収集における柔軟性と移動性のため、FEELにとって特に有利である。
論文 参考訳（メタデータ） (2023-06-05T16:01:33Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Scalable Video Object Segmentation with Identification Mechanism [125.4229430216776]
本稿では,半教師付きビデオオブジェクト(VOS)のスケーラブルで効果的なマルチオブジェクトモデリングを実現する上での課題について検討する。
AOT(Associating Objects with Transformers)とAOST(Associating Objects with Scalable Transformers)の2つの革新的なアプローチを提案する。
当社のアプローチは最先端の競合に勝って,6つのベンチマークすべてにおいて,例外的な効率性とスケーラビリティを一貫して示しています。
論文 参考訳（メタデータ） (2022-03-22T03:33:27Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Bandwidth-Adaptive Feature Sharing for Cooperative LIDAR Object
Detection [2.064612766965483]
コネクテッド・自動運転車(CAV)領域で必要となる状況認識。
協調機構は、高速無線車載ネットワークを利用して状況認識を改善するソリューションを提供する。
本稿では,通信チャネル容量に適応する柔軟性を付加する機構と,新たな分散共有データアライメント手法を提案する。
論文 参考訳（メタデータ） (2020-10-22T00:12:58Z) - Identity-Aware Attribute Recognition via Real-Time Distributed Inference
in Mobile Edge Clouds [53.07042574352251]
我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。
本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。
そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
論文 参考訳（メタデータ） (2020-08-12T12:03:27Z)
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。