論文の概要: CADET: A Modular Platform for Evaluating Distributed Cooperative Autonomy in Connected Autonomous Vehicles
- arxiv url: http://arxiv.org/abs/2606.04072v1
- Date: Tue, 02 Jun 2026 15:13:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.292838
- Title: CADET: A Modular Platform for Evaluating Distributed Cooperative Autonomy in Connected Autonomous Vehicles
- Title（参考訳）: CADET:コネクテッド自動運転車における分散協調自律性評価のためのモジュールプラットフォーム
- Authors: Pragya Sharma, Brian Wang, Mani Srivastava,
- Abstract要約: CADETは、分散協調自律システムの体系的かつ再現可能な評価のためのモジュールプラットフォームである。
分散デプロイメントの選択は安全性を形作っており、V2Vインテントパケットはクラウドベースの認識よりも優れており、RSUは同時要求によってオーバーロードされるまで安全性を維持する。
- 参考スコア（独自算出の注目度）: 3.544599494530976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep learning models are increasingly central to autonomous vehicle (AV) pipelines, yet their integration has traditionally followed a monolithic design where perception, planning, and control execute on a single onboard computer. This design overlooks the emerging paradigm of cooperative autonomy, where vehicles interact with roadside units (RSUs), edge servers, and cloud-hosted intelligence through vehicle-to-everything (V2X) connectivity. Cooperative perception and control improve safety and efficiency, but also introduce systems-level challenges: network latency, compute heterogeneity, and multi-tenant contention, all critically affect real-time decision-making. These challenges are further amplified by the increasing reliance on large foundation models, whose scale necessitates cloud deployment. We present CADET (Cooperative Autonomy through Distributed Experimentation Toolkit), a modular platform for systematic and reproducible evaluation of distributed cooperative autonomy systems under realistic deployment conditions. CADET decouples the AV stack into composable modules that can be flexibly deployed across vehicles, infrastructure, and edge/cloud tiers. The framework integrates state-of-the-art models, incorporates trace-driven network and workload emulation, and provides synchronized model-, system-, and task-level instrumentation. Through V2V and V2I experiments, we show that distributed deployment choices fundamentally shape safety, with V2V intent packets outperforming cloud-based perception and RSU-assisted perception sustaining safety until overloaded by concurrent requests. Although designed for AV pipelines, CADET also supports dataset-driven experimentation, enabling systems and ML researchers to benchmark distributed inference workloads independently of full vehicle simulation. CADET is open source, with code and demo available at https://nesl.github.io/cadet-web.
- Abstract（参考訳）: ディープラーニングモデルは、ますます自律走行車(AV)パイプラインの中心となっているが、その統合は伝統的に、単一のオンボードコンピュータ上での認識、計画、制御を行うモノリシックな設計に従っている。
この設計は、車両が道路側ユニット(RSU)、エッジサーバ、およびV2X接続を介してクラウドにホストされたインテリジェンスと相互作用する、協力的自律性の新たなパラダイムを見落としている。
協調的な認識と制御は安全性と効率を改善するが、ネットワークレイテンシ、不均一性計算、マルチテナント競合といったシステムレベルの課題も導入する。
これらの課題は、クラウドデプロイメントを必要とする大規模ファンデーションモデルへの依存の高まりによってさらに増幅される。
CADET(Cooperative Autonomy through Distributed Experimentation Toolkit)は,現実的な展開条件下での分散協調型自律システムの系統的かつ再現可能な評価を行うモジュールプラットフォームである。
CADETはAVスタックを構成可能なモジュールに分離し、車、インフラ、エッジ/クラウド層に柔軟にデプロイできる。
このフレームワークは最先端のモデルを統合し、トレース駆動ネットワークとワークロードエミュレーションを取り入れ、同期モデル、システム、タスクレベルのインスツルメンテーションを提供する。
V2V と V2I の実験を通じて,分散デプロイメントの選択が基本的に安全を形作っていることを示す。
AVパイプライン用に設計されたCADETは、データセット駆動の実験もサポートしており、システムとML研究者は、完全な車両シミュレーションとは無関係に分散推論ワークロードをベンチマークすることができる。
CADETはオープンソースで、コードとデモはhttps://nesl.github.io/cadet-web.comで公開されている。
関連論文リスト
- Closed-Loop Hybrid Digital Twin Platform for Connected and Automated Vehicle Validation [8.373850248021927]
本稿では,コネクテッド・アンド・オートマチック・ビークル(CAV)検証のための,新しいリアルタイムハイブリッドデジタルツインプラットフォームを提案する。
その中核となるイノベーションは、高忠実度CARLA-SUMOと物理試験場と車両との密結合であり、低遅延のV2X通信リンクによって実現されている。
詳細な実装には、フルスケールのアセット再構築にPhotogrammetryを使用し、スケーラブルでマルチユーザ操作にクラウドエッジのコラボレーティブアーキテクチャが含まれる。
論文 参考訳（メタデータ） (2026-05-19T07:44:59Z) - A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - DMV-AVP: Distributed Multi-Vehicle Autonomous Valet Parking using Autoware [0.0]
DMV-AVPシステムはAVPの分散シミュレーションである
提案システムは,協調型AVPシミュレーションをサポートし,将来の実世界のハードウェア・イン・ザ・ループバリデーションの基礎を確立する。
論文 参考訳（メタデータ） (2026-01-22T21:24:04Z) - MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。
フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。
生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
論文 参考訳（メタデータ） (2025-08-04T03:07:54Z) - SOLVE: Synergy of Language-Vision and End-to-End Networks for Autonomous Driving [51.47621083057114]
SOLVEは、ビジョンランゲージモデルとエンド・ツー・エンド(E2E)モデルを相乗化して自動運転車の計画を強化する革新的なフレームワークである。
提案手法は,VLMとE2Eコンポーネント間の包括的インタラクションを実現するために,共有ビジュアルエンコーダによる機能レベルでの知識共有を重視している。
論文 参考訳（メタデータ） (2025-05-22T15:44:30Z) - EI-Drive: A Platform for Cooperative Perception with Realistic Communication Models [16.023748778830562]
EI-DriveはエッジAIベースの自動運転シミュレーションプラットフォームである。
高度な協調認識とより現実的なコミュニケーションモデルを統合する。
EI-Driveを用いた実験では、車両の安全性と性能が大幅に向上した。
論文 参考訳（メタデータ） (2024-12-13T01:37:44Z) - Adaptive and Parallel Split Federated Learning in Vehicular Edge Computing [6.004901615052089]
車両エッジインテリジェンス(VEI)は、将来のインテリジェントトランスポートシステムを実現するための有望なパラダイムである。
フェデレートラーニング(Federated Learning, FL)は、コラボレーティブモデルトレーニングとアグリゲーションを促進する基礎技術のひとつである。
ASFV(Adaptive Split Federated Learning scheme for Vehicular Edge Computing) を開発した。
論文 参考訳（メタデータ） (2024-05-29T02:34:38Z) - Unified End-to-End V2X Cooperative Autonomous Driving [21.631099800753795]
UniE2EV2Xは、V2Xに統合されたエンドツーエンドの自動運転システムで、主要な駆動モジュールを統合ネットワーク内で統合する。
このフレームワークは変形可能な注意ベースのデータ融合戦略を採用し、車とインフラの協調を効果的に促進する。
We implement the UniE2EV2X framework on the challenge DeepAccident, a simulation dataset designed for V2X collaborative driving。
論文 参考訳（メタデータ） (2024-05-07T03:01:40Z) - Drive Anywhere: Generalizable End-to-end Autonomous Driving with
Multi-modal Foundation Models [114.69732301904419]
本稿では、画像とテキストで検索可能な表現から、運転決定を提供することができる、エンドツーエンドのオープンセット(環境/シーン)自律運転を適用するアプローチを提案する。
当社のアプローチでは, 多様なテストにおいて非並列的な結果を示すと同時に, アウト・オブ・ディストリビューションの状況において, はるかに高いロバスト性を実現している。
論文 参考訳（メタデータ） (2023-10-26T17:56:35Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳（メタデータ） (2022-06-03T23:55:45Z)
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。