論文の概要: NegoCollab: A Common Representation Negotiation Approach for Heterogeneous Collaborative Perception

• arxiv url: http://arxiv.org/abs/2510.27647v1
• Date: Fri, 31 Oct 2025 17:20:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 17:52:16.179832
• Title: NegoCollab: A Common Representation Negotiation Approach for Heterogeneous Collaborative Perception
• Title（参考訳）: NegoCollab:異種協調知覚のための共通表現ネゴシエーションアプローチ
• Authors: Congzhang Shao, Quan Yuan, Guiyang Luo, Yue Hu, Danni Wang, Yilin Liu, Rui Pan, Bo Chen, Jinglin Li,
• Abstract要約: 既存の方法では、共通表現は特定のエージェントの表現として指定される。 本稿では交渉された共通表現に基づく異種協調手法であるNegoCollabを提案する。
• 参考スコア（独自算出の注目度）: 26.615259336930027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Collaborative perception improves task performance by expanding the perception range through information sharing among agents. . Immutable heterogeneity poses a significant challenge in collaborative perception, as participating agents may employ different and fixed perception models. This leads to domain gaps in the intermediate features shared among agents, consequently degrading collaborative performance. Aligning the features of all agents to a common representation can eliminate domain gaps with low training cost. However, in existing methods, the common representation is designated as the representation of a specific agent, making it difficult for agents with significant domain discrepancies from this specific agent to achieve proper alignment. This paper proposes NegoCollab, a heterogeneous collaboration method based on the negotiated common representation. It introduces a negotiator during training to derive the common representation from the local representations of each modality's agent, effectively reducing the inherent domain gap with the various local representations. In NegoCollab, the mutual transformation of features between the local representation space and the common representation space is achieved by a pair of sender and receiver. To better align local representations to the common representation containing multimodal information, we introduce structural alignment loss and pragmatic alignment loss in addition to the distribution alignment loss to supervise the training. This enables the knowledge in the common representation to be fully distilled into the sender.
• Abstract（参考訳）: 協調的知覚はエージェント間の情報共有を通じて知覚範囲を広げることでタスク性能を向上させる。 と。 イミュータブルな異質性は、参加エージェントが異なる知覚モデルと固定された知覚モデルを使用するため、協調的な知覚において重要な課題となる。 これにより、エージェント間で共有される中間機能にドメインギャップが生じ、結果として協調的なパフォーマンスが低下する。 すべてのエージェントの特徴を共通の表現にアライメントすることで、トレーニングコストの低いドメインギャップを排除できる。 しかし、既存の方法では、共通表現は特定のエージェントの表現として指定されており、この特定のエージェントと大きなドメイン不一致を持つエージェントが適切なアライメントを達成するのが困難である。 本稿では交渉された共通表現に基づく異種協調手法であるNegoCollabを提案する。 トレーニング中に、各モダリティのエージェントの局所表現から共通表現を導出する交渉者を導入し、様々な局所表現と固有のドメインギャップを効果的に減少させる。 ネゴコラブでは、局所表現空間と共通表現空間との間の特徴の相互変換は、送信者と受信者のペアによって達成される。 マルチモーダル情報を含む共通表現に局所表現をよりよく整合させるため,分布アライメントの損失に加えて,構造アライメントの損失と実用的なアライメントの損失を導入し,トレーニングを監督する。 これにより、共通表現の知識を送信者に完全に蒸留することができる。

関連論文リスト

• CoDS: Enhancing Collaborative Perception in Heterogeneous Scenarios via Domain Separation [25.442016145030383]
  協調的知覚は、自律運転における個人の知覚を改善することが証明されている。 ほとんどのメソッドは、すべてのエージェントに対して同一のエンコーダを仮定するが、これらのモデルが現実世界のアプリケーションにデプロイされる際には正しくは保たない。 既存の手法は通常、隣接する特徴とエゴ車の特徴とを一致させるが、これはドメインギャップからのノイズに弱い。
  論文  参考訳（メタデータ） (2025-10-15T11:29:14Z)
• Learning to Interact in World Latent for Team Coordination [53.51290193631586]
  本研究は,多エージェント強化学習(MARL)におけるチーム協調を支援するために,対話型ワールドラテント(IWoL)という新しい表現学習フレームワークを提案する。 コミュニケーションプロトコルを直接モデル化することにより,エージェント間関係とタスク固有の世界情報とを協調的にキャプチャする学習可能な表現空間を構築する。 私たちの表現は、各エージェントの暗黙のラテントとしてだけでなく、コミュニケーションのための明示的なメッセージとしても使用できます。
  論文  参考訳（メタデータ） (2025-09-29T22:13:39Z)
• Cross-Domain Policy Transfer by Representation Alignment via Multi-Domain Behavioral Cloning [13.674493608667627]
  本稿では、ドメイン間の共有潜在表現と、その上に共通の抽象ポリシーを学習する、ドメイン間ポリシー転送のためのシンプルなアプローチを提案する。 提案手法は,プロキシタスクの不整合軌道上でのマルチドメイン動作のクローン化と,ドメイン間のアライメントを促進するために,最大平均不整合(MMD)を正規化用語として利用する。
  論文  参考訳（メタデータ） (2024-07-24T00:13:00Z)
• Towards Full-scene Domain Generalization in Multi-agent Collaborative Bird's Eye View Segmentation for Connected and Autonomous Driving [49.03947018718156]
  協調的な知覚の訓練と推論の段階で利用される統合されたドメイン一般化フレームワークを提案する。 また、システム内ドメインアライメント機構を導入し、コネクテッドおよび自律走行車間のドメインの差を減らし、潜在的に排除する。
  論文  参考訳（メタデータ） (2023-11-28T12:52:49Z)
• Receptive Multi-granularity Representation for Person Re-Identification [46.99913453669368]
  本稿では,ストライプに基づく特徴学習を容易にするために,受動的多粒性学習手法を提案する。 2分岐ネットワークアーキテクチャにより、識別的アイデンティティ表現のスケールが異なることが分かる。 本手法は, Market-1501 ベンチマークにおいて96.2%@Rank-1 または 90.0%@mAP の最先端精度を実現する。
  論文  参考訳（メタデータ） (2020-08-31T09:26:08Z)

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。