論文の概要: COOPERTRIM: Adaptive Data Selection for Uncertainty-Aware Cooperative Perception

• arxiv url: http://arxiv.org/abs/2602.13287v1
• Date: Sat, 07 Feb 2026 21:18:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:27.814566
• Title: COOPERTRIM: Adaptive Data Selection for Uncertainty-Aware Cooperative Perception
• Title（参考訳）: COOPERTRIM:不確実性を考慮した協調認識のための適応データ選択
• Authors: Shilpa Mukhopadhyay, Amit Roy-Chowdhury, Hang Qiu,
• Abstract要約: 協調認識により、自律エージェントは無線通信を介して符号化された表現を共有でき、互いの生活状況に対する認識を高めることができる。 最近の研究では、性能を同等に保ちながら、フレーム毎に機能のサブセットだけを共有する選択戦略について検討している。 静的な情報の繰り返しや冗長な伝達を回避しつつ、環境のダイナミクスを捉える特徴を特定するために、時間的連続性を利用してプロアクティブなアプローチをとる。 我々はこの直感を適応的な選択フレームワークであるCOOPERTRIMにインスタンス化し、特徴の関連性を測定するための新しい共形時間的不確実性指標と、共有量を動的に決定するデータ駆動機構を導入する。
• 参考スコア（独自算出の注目度）: 4.26607743838444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cooperative perception enables autonomous agents to share encoded representations over wireless communication to enhance each other's live situational awareness. However, the tension between the limited communication bandwidth and the rich sensor information hinders its practical deployment. Recent studies have explored selection strategies that share only a subset of features per frame while striving to keep the performance on par. Nevertheless, the bandwidth requirement still stresses current wireless technologies. To fundamentally ease the tension, we take a proactive approach, exploiting the temporal continuity to identify features that capture environment dynamics, while avoiding repetitive and redundant transmission of static information. By incorporating temporal awareness, agents are empowered to dynamically adapt the sharing quantity according to environment complexity. We instantiate this intuition into an adaptive selection framework, COOPERTRIM, which introduces a novel conformal temporal uncertainty metric to gauge feature relevance, and a data-driven mechanism to dynamically determine the sharing quantity. To evaluate COOPERTRIM, we take semantic segmentation and 3D detection as example tasks. Across multiple open-source cooperative segmentation and detection models, COOPERTRIM achieves up to 80.28% and 72.52% bandwidth reduction respectively while maintaining a comparable accuracy. Relative to other selection strategies, COOPERTRIM also improves IoU by as much as 45.54% with up to 72% less bandwidth. Combined with compression strategies, COOPERTRIM can further reduce bandwidth usage to as low as 1.46% without compromising IoU performance. Qualitative results show COOPERTRIM gracefully adapts to environmental dynamics, localization error, and communication latency, demonstrating flexibility and paving the way for real-world deployment.
• Abstract（参考訳）: 協調認識により、自律エージェントは無線通信を介して符号化された表現を共有でき、互いの生活状況に対する認識を高めることができる。 しかし、限られた通信帯域幅とリッチセンサ情報の緊張は、その実践的な展開を妨げる。 最近の研究では、性能を同等に保ちながら、フレーム毎に機能のサブセットだけを共有する選択戦略について検討している。 それでも、帯域幅の要求は現在の無線技術を強調している。 緊張を根本的に緩和するため,静的な情報の繰り返しや冗長な伝達を回避しつつ,時間的連続性を利用して環境動態を捉えた特徴を特定する。 時間的意識を取り入れることで、エージェントは環境の複雑さに応じて共有量を動的に適応させることができる。 我々はこの直感を適応的な選択フレームワークであるCOOPERTRIMにインスタンス化し、特徴の関連性を測定するための新しい共形時間的不確実性指標と、共有量を動的に決定するデータ駆動機構を導入する。 COOPERTRIMを評価するために、セマンティックセグメンテーションと3D検出を例に挙げる。 複数のオープンソースコラボレーティブセグメンテーションと検出モデル全体で、COOPERTRIMは、それぞれ80.28%と72.52%の帯域幅削減を実現し、同等の精度を維持している。 他の選択戦略とは対照的に、COOPERTRIMはIoUを最大45.54%改善し、帯域幅を最大72%削減した。 COOPERTRIMは圧縮戦略と組み合わせることで、IoU性能を損なうことなく、帯域幅を1.46%まで削減できる。 質的な結果から、COOPERTRIMは環境力学、ローカライゼーションエラー、通信遅延に優雅に対応し、柔軟性を示し、現実のデプロイメントへの道を開いた。

関連論文リスト

• WhisperNet: A Scalable Solution for Bandwidth-Efficient Collaboration [7.294662317293144]
  自動運転には協調的認識が不可欠だが、通信予算の厳しい制約が残っている。 textitWhisperNetは,エージェント間のグローバルなコーディネーションのための,新しいレシーバ中心のパラダイムを提案する,帯域幅対応フレームワークである。 我々は、WhisperNetが最先端の性能を実現し、通信コストのわずか0.5%でOPV2VのAP@0.7を2.4%改善したことを示す。
  論文  参考訳（メタデータ） (2026-03-02T10:33:25Z)
• Towards Efficient 3D Object Detection for Vehicle-Infrastructure Collaboration via Risk-Intent Selection [23.186947629238233]
  リスクインテリジェント選択検出(RiSe)は、パラダイムを可視領域の識別からリスククリティカル領域の優先順位付けに移行する、インタラクション対応のフレームワークである。 RiSeは、高信頼度特徴を高相互作用領域からのみ伝達する意味選択的融合スキームを実装している。 本手法は,最先端検出精度を維持しつつ,通信量を全特徴共有の0.71%に削減する。
  論文  参考訳（メタデータ） (2026-01-06T13:25:23Z)
• CoCMT: Communication-Efficient Cross-Modal Transformer for Collaborative Perception [14.619784179608361]
  マルチエージェント協調知覚は、ロボット知覚タスクを協調的に行うために、知覚情報を共有することによって、各エージェントの能力を高める。 既存の代表的な協調認識システムは、大量の非臨界情報を含む中間特徴写像を伝達する。 本稿では,オブジェクトクエリをベースとした協調フレームワークであるCoCMTを紹介し,重要な特徴を選択的に抽出し伝達することによって,通信帯域幅を最大化する。
  論文  参考訳（メタデータ） (2025-03-13T06:41:25Z)
• CODA: A COst-efficient Test-time Domain Adaptation Mechanism for HAR [25.606795179822885]
  モバイルセンシングのためのCOst- efficient Domain Adaptation 機構であるCODAを提案する。 CODAは、データ分散の観点からのリアルタイムドリフトにアクティブラーニング理論を用いて対処する。 我々はCODAによるオンライン適応の可能性と可能性を実証する。
  論文  参考訳（メタデータ） (2024-03-22T02:50:42Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [55.08287089554127]
  基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。 本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。 提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
  論文  参考訳（メタデータ） (2023-09-04T17:30:21Z)
• Compressed Regression over Adaptive Networks [58.79251288443156]
  分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。 エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
  論文  参考訳（メタデータ） (2023-04-07T13:41:08Z)
• Learnable Mixed-precision and Dimension Reduction Co-design for Low-storage Activation [9.838135675969026]
  深層畳み込みニューラルネットワーク(CNN)は多くの眼球運動の結果を得た。 リソース制約のあるエッジデバイスにCNNをデプロイすることは、推論中に大きな中間データを送信するためのメモリ帯域幅の制限によって制限される。 チャネルをグループに分割し,その重要度に応じて圧縮ポリシーを割り当てる,学習可能な混合精度・次元縮小協調設計システムを提案する。
  論文  参考訳（メタデータ） (2022-07-16T12:53:52Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Learning Resilient Radio Resource Management Policies with Graph Neural Networks [124.89036526192268]
  我々は、ユーザ当たりの最小容量制約でレジリエントな無線リソース管理問題を定式化する。 有限個のパラメータ集合を用いてユーザ選択と電力制御ポリシーをパラメータ化できることを示す。 このような適応により,提案手法は平均レートと5番目のパーセンタイルレートとの良好なトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-03-07T19:40:39Z)
• Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
  本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。 我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
  論文  参考訳（メタデータ） (2021-12-03T19:23:48Z)

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。