論文の概要: HydraCollab: Adaptive Collaborative-Perception for Distributed Autonomous Systems

• arxiv url: http://arxiv.org/abs/2607.00191v1
• Date: Tue, 30 Jun 2026 21:16:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.642511
• Title: HydraCollab: Adaptive Collaborative-Perception for Distributed Autonomous Systems
• Title（参考訳）: HydraCollab: 分散自律システムのための適応的コラボレーション・パーセプション
• Abstract要約: 協調知覚により、複数のロボットシステムが知覚情報を共有することで状況認識を高めることができる。 既存のコラボレーティブ・パーセプションシステムは、通信帯域幅要求と知覚精度のトレードオフに直面している。 我々は,認識性能を犠牲にすることなく,通信オーバーヘッドを最小限に抑える適応型協調認識フレームワークHydraCollabを提案する。
• 参考スコア（独自算出の注目度）: 8.659332706616214
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative-perception enables multi-robot systems to enhance situational awareness by sharing perceptual information. Existing collaborative-perception systems face an inherent trade-off between communication bandwidth requirements and perception accuracy, where methods that exchange more information achieve better perception results at the cost of increased communication overhead. However, real-world communication networks impose bandwidth constraints that require minimizing communication overhead without sacrificing perception performance. To address this challenge, we propose HydraCollab, an adaptive collaborative-perception framework that (i) selectively transmits the most informative sensor features and (ii) dynamically employs collaboration strategies (intermediate or late) based on spatial confidence maps. Extensive evaluations on the V2X-R, V2X-Radar and UAV3D-mini datasets demonstrate that HydraCollab achieves the best overall trade-off between accuracy and communication cost among existing collaborative-perception methods. Relative to SOTA Where2comm, HydraCollab uses only 41% of the bandwidth on V2X-R and 26% on V2X-Radar while improving performance by 0.78% and 0.75% respectively. Our code and models are available at https://github.com/AICPS/HydraCollab.
• Abstract（参考訳）: 協調知覚により、複数のロボットシステムが知覚情報を共有することで状況認識を高めることができる。 既存のコラボレーティブ・パーセプションシステムは、通信帯域幅要件と知覚精度の間に固有のトレードオフに直面している。 しかし、実世界の通信ネットワークは、知覚性能を犠牲にすることなく、通信オーバーヘッドを最小限に抑える帯域制限を課している。 この課題に対処するため,適応型協調認識フレームワークHydraCollabを提案する。 (i)最も情報性の高いセンサの特徴を選択的に送信し、 (II)空間信頼マップに基づく協調戦略(中間・後期)を動的に採用する。 V2X-R、V2X-Radar、UAV3D-miniデータセットの大規模な評価は、HydraCollabが既存のコラボレーティブパーセプション手法の精度と通信コストのトレードオフを最大限に達成していることを示している。 SOTAとは対照的に、HydraCollabはV2X-Rの帯域幅の41%とV2X-Radarの26%しか使用していない。 私たちのコードとモデルはhttps://github.com/AICPS/HydraCollab.comで公開されています。

関連論文リスト

• INTACT: Ego-Guided Typed Sparse Evidence Retrieval for Heterogeneous Collaborative Perception [50.64511548643398]
  異種知覚のためのエゴ誘導型スパースエビデンス検索フレームワークを提案する。 IntACTは、エゴの車両に、疑わしい物やエビデンスに欠ける地域を表す型付きエビデンスクエリを発行する。 シミュレーションおよび実世界の異種知覚ベンチマークの実験は、INTACTの有効性とデプロイ性を検証する。
  論文  参考訳（メタデータ） (2026-06-03T04:34:53Z)
• Leveraging Large Vision Model for Multi-UAV Co-perception in Low-Altitude Wireless Networks [51.323657802729535]
  多様な低高度経済応用のための有望なパラダイムとして、UAV(Multi-Uncrewed Aero Vehicle)協調認識が出現している。 本稿では,BHU(Base-Station-Helped UAV)と呼ばれるコミュニケーション効率の良い協調認識フレームワークを提案する。 我々は、UAVキャプチャされたRGB画像から最も情報性の高い画素を識別するためにTop-K選択機構を使用し、データボリュームと遅延を低減したスペーサー化された視覚伝達を可能にする。
  論文  参考訳（メタデータ） (2026-03-13T17:49:28Z)
• Communication-Efficient Multi-Agent 3D Detection via Hybrid Collaboration [34.67157102711333]
  協調3D検出は、エージェントが相補的な情報を交換できるようにすることで、検出性能を大幅に向上させることができる。 本稿では,2種類のコミュニケーションメッセージを適応的に統合する新しいハイブリッドコラボレーションを提案する。 We present textttHyComm, a communication- efficient LiDAR based collaborative 3D detection system。
  論文  参考訳（メタデータ） (2025-08-09T20:33:37Z)
• 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)
• CoSDH: Communication-Efficient Collaborative Perception via Supply-Demand Awareness and Intermediate-Late Hybridization [23.958663737034318]
  本稿では,供給需要の認識と中間段階のハイブリダイゼーションに基づく,コミュニケーション効率の高い協調認識フレームワークを提案する。 シミュレーションと実世界のシナリオを含む複数のデータセットの実験は、mymethodnameが最先端の検出精度と最適な帯域幅のトレードオフを達成することを実証している。
  論文  参考訳（メタデータ） (2025-03-05T12:02:04Z)
• 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)
• Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
  我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。 周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。 我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
  論文  参考訳（メタデータ） (2024-08-29T08:53:26Z)
• Communication-Efficient Collaborative Perception via Information Filling with Codebook [48.087934650038044]
  協調的知覚は、他のエージェントと知覚的メッセージの交換を通じて、各エージェントに知覚能力を向上させる権限を与える。 このボトルネック問題に対処するため、私たちの中核となる考え方は、協調メッセージを2つの重要な側面、すなわち表現と選択から最適化することにあります。 これら2つの設計を統合することで,新しいコミュニケーション効率の協調認識システムであるCodeFillingを提案する。
  論文  参考訳（メタデータ） (2024-05-08T11:12:37Z)
• Pragmatic Communication in Multi-Agent Collaborative Perception [80.14322755297788]
  協調的な知覚は、知覚能力とコミュニケーションコストのトレードオフをもたらす。 PragCommは2つの重要なコンポーネントを持つマルチエージェント協調認識システムである。 PragCommは、32.7K以上の通信量で従来手法より一貫して優れていた。
  論文  参考訳（メタデータ） (2024-01-23T11:58:08Z)
• Interruption-Aware Cooperative Perception for V2X Communication-Aided Autonomous Driving [49.42873226593071]
  本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。 我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。 3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
  論文  参考訳（メタデータ） (2023-04-24T04:59:13Z)
• Where2comm: Communication-Efficient Collaborative Perception via Spatial Confidence Maps [24.47241495415147]
  マルチエージェント協調知覚は、知覚性能を大幅に向上させる可能性がある。 これは必然的に、知覚性能と通信帯域間の根本的なトレードオフをもたらす。 本稿では,知覚情報の空間的不均一性を反映した空間信頼マップを提案する。 コミュニケーション効率の良い協調認識フレームワークであるWhere2commを提案する。
  論文  参考訳（メタデータ） (2022-09-26T16:41:18Z)
• V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision Transformer [58.71845618090022]
  我々は、道路上のエージェント間で情報を融合するために、V2X-ViTという全体論的アテンションモデルを構築した。 V2X-ViTは異質なマルチエージェント自己アテンションとマルチスケールウィンドウ自己アテンションの交互層から構成される。 我々のアプローチを検証するために、我々は大規模なV2X知覚データセットを作成します。
  論文  参考訳（メタデータ） (2022-03-20T20:18:25Z)

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。