論文の概要: SRA-CP: Spontaneous Risk-Aware Selective Cooperative Perception

• arxiv url: http://arxiv.org/abs/2511.17461v1
• Date: Fri, 21 Nov 2025 18:03:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:19.158693
• Title: SRA-CP: Spontaneous Risk-Aware Selective Cooperative Perception
• Title（参考訳）: SRA-CP:自発的リスク認識型協調知覚
• Authors: Jiaxi Liu, Chengyuan Ma, Hang Zhou, Weizhe Tang, Shixiao Liang, Haoyang Ding, Xiaopeng Li, Bin Ran,
• Abstract要約: 本稿では,これらの課題に対処するために,SRA-CP(Spontaneous Risk-Aware Selective Cooperative Perception)フレームワークを提案する。 SRA-CPは、一般のCPと比較して、安全クリティカルな物体に対する平均精度(AP)損失が1%未満である。 リスク認識を組み込まない既存の選択的なCP手法に比べて、知覚性能を15%向上させる。
• 参考スコア（独自算出の注目度）: 21.17534913288233
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cooperative perception (CP) offers significant potential to overcome the limitations of single-vehicle sensing by enabling information sharing among connected vehicles (CVs). However, existing generic CP approaches need to transmit large volumes of perception data that are irrelevant to the driving safety, exceeding available communication bandwidth. Moreover, most CP frameworks rely on pre-defined communication partners, making them unsuitable for dynamic traffic environments. This paper proposes a Spontaneous Risk-Aware Selective Cooperative Perception (SRA-CP) framework to address these challenges. SRA-CP introduces a decentralized protocol where connected agents continuously broadcast lightweight perception coverage summaries and initiate targeted cooperation only when risk-relevant blind zones are detected. A perceptual risk identification module enables each CV to locally assess the impact of occlusions on its driving task and determine whether cooperation is necessary. When CP is triggered, the ego vehicle selects appropriate peers based on shared perception coverage and engages in selective information exchange through a fusion module that prioritizes safety-critical content and adapts to bandwidth constraints. We evaluate SRA-CP on a public dataset against several representative baselines. Results show that SRA-CP achieves less than 1% average precision (AP) loss for safety-critical objects compared to generic CP, while using only 20% of the communication bandwidth. Moreover, it improves the perception performance by 15% over existing selective CP methods that do not incorporate risk awareness.
• Abstract（参考訳）: 協調知覚(CP)は、コネクテッドカー(CV)間での情報共有を可能にすることにより、単一車両センシングの限界を克服する大きな可能性を秘めている。 しかし、既存の汎用CPアプローチでは、運転安全とは無関係な大量の知覚データを送信し、通信帯域を超過する必要がある。 さらに、ほとんどのCPフレームワークは事前に定義された通信パートナーに依存しており、動的なトラフィック環境には適さない。 本稿では,これらの課題に対処するために,SRA-CP(Spontaneous Risk-Aware Selective Cooperative Perception)フレームワークを提案する。 SRA-CPは、リスク関連ブラインドゾーンを検出した場合にのみ、接続エージェントが継続的に軽量な認識カバレッジサマリーをブロードキャストし、目標とする協調を開始する分散プロトコルを導入している。 知覚リスク識別モジュールは、各CVが運転課題に対する閉塞の影響を局所的に評価し、協調が必要であるかどうかを判断することを可能にする。 CPが起動されると、エゴ車両は、共有知覚カバレッジに基づいて適切なピアを選択し、安全クリティカルなコンテンツを優先し、帯域幅の制約に適応する融合モジュールを介して選択情報交換を行う。 我々は,SRA-CPをいくつかの代表的ベースラインに対して公開データセット上で評価する。 その結果、SRA-CPは、通信帯域の20%しか使用せず、安全クリティカルなオブジェクトに対する平均精度(AP)損失を1%以下に抑えることがわかった。 さらに、リスク認識を組み込まない既存の選択的なCP手法に比べて、知覚性能を15%向上させる。

関連論文リスト

• UNCAP: Uncertainty-Guided Planning Using Natural Language Communication for Cooperative Autonomous Vehicles [79.10221881250759]
  不確実性誘導自然言語協調自律計画(UNCAP)は、視覚言語モデルに基づく計画手法である。 CAVは、意思決定における認識の不確実性を明示的に考慮しながら、軽量な自然言語メッセージを介して通信することができる。 多様な運転シナリオに対する実験では、通信帯域幅が63%減少し、運転安全スコアが31%増加し、決定の不確実性が61%減少し、衝突距離マージンが4倍増加した。
  論文  参考訳（メタデータ） (2025-10-14T21:09:09Z)
• CP-uniGuard: A Unified, Probability-Agnostic, and Adaptive Framework for Malicious Agent Detection and Defense in Multi-Agent Embodied Perception Systems [21.478631468402977]
  コラボレーティブ・パーセプション(CP)は、マルチエージェント自律運転とマルチエージェントロボットシステムにとって有望な技術であることが示されている。 CPでは、egoエージェントは、その協力者からメッセージを受け取る必要があるため、悪意のあるエージェントからの攻撃に対して脆弱である。 我々は、CP-uniGuardという統合された、確率に依存しない、適応的なフレームワークを提案し、その協調ネットワークにおける悪意のあるエージェントを正確に検出し、排除する。
  論文  参考訳（メタデータ） (2025-06-28T14:02:14Z)
• CP-Guard+: A New Paradigm for Malicious Agent Detection and Defense in Collaborative Perception [53.088988929450494]
  協調知覚(CP)は、安全で自律的な運転のための有望な方法である。 本稿では,悪意のあるエージェントを機能レベルで効果的に識別する,悪意のあるエージェント検出のための新しいパラダイムを提案する。 また,CP-Guard+と呼ばれる堅牢な防御手法を開発し,良性の表現と悪質な特徴とのマージンを高める。
  論文  参考訳（メタデータ） (2025-02-07T12:58:45Z)
• CP-Guard: Malicious Agent Detection and Defense in Collaborative Bird's Eye View Perception [54.78412829889825]
  コラボレーティブ・パーセプション(CP)は自動運転に有望な技術を示している。 CPでは、ego CAVは協力者からのメッセージを受信する必要があるため、悪意のあるエージェントによる攻撃が容易になる。 本稿では,CPの防御機構であるCP-Guardを提案する。
  論文  参考訳（メタデータ） (2024-12-16T17:28:25Z)
• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [87.7482313774741]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• Vehicle-to-Everything Cooperative Perception for Autonomous Driving [46.292402824957975]
  車間協調知覚は、知覚範囲を拡大し、検出精度を高める上で重要な役割を担っている。 エージェントの選択,データアライメント,特徴融合など,信頼性の高い認識共有を可能にするための重要な技術について詳細に検討する。 本論文は、車から全車への協調的認識の今後の進歩を支援するための、有望な研究方針を概説することで締めくくっている。
  論文  参考訳（メタデータ） (2023-10-05T13:19:48Z)
• 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)

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。