論文の概要: How the Fusion of Onboard Sensors and V2X Data can Improve (or not) the Cooperative Perception of Connected Automated Vehicles
- arxiv url: http://arxiv.org/abs/2607.07114v1
- Date: Wed, 08 Jul 2026 07:55:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.318079
- Title: How the Fusion of Onboard Sensors and V2X Data can Improve (or not) the Cooperative Perception of Connected Automated Vehicles
- Title（参考訳）: 車載センサとV2Xデータの融合が接続された自動車両の協調認識をどのように改善するか(あるいはそうでないか)
- Abstract要約: 本研究は, 測定誤差, V2Xパケット損失, 不正確な測定が協調知覚に与える影響を解析する。
その結果,車載センサのみを用いた場合と比較して,認知レベルや範囲が向上する可能性が示唆された。
また、融合過程におけるゴースト車両の発生に関する重要な課題も特定している。
- 参考スコア（独自算出の注目度）: 0.3359875577705537
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated vehicles rely on onboard sensors to perceive their surroundings and navigate autonomously. However, sensor performance may degrade under adverse weather conditions or when line-of-sight is obstructed. Cooperative perception (or collective perception) is expected to mitigate these limitations by enabling Connected and Automated Vehicles (CAVs) to share sensor data and collaboratively enhance situational awareness. Several studies have analyzed the potential of cooperative perception, yet the fusion of V2X data with information from onboard sensors has received limited focus. V2X data may contain errors that affect the quality of the fused data, and hence the effectiveness of cooperative perception. This study analyzes the impact of sensing measurement errors, V2X packet losses, and GNSS inaccuracies on the effectiveness of cooperative perception. The results highlight the potential of cooperative perception to enhance perception levels and range compared to using onboard sensors alone. However, they also identify key challenges related to the generation of ghost vehicles during the fusion process, which must be addressed to prevent V2X data from introducing additional errors when fused with onboard sensor data.
- Abstract（参考訳）: 自動走行車は、センサーを使って周囲を認識し、自律走行する。
しかし、センサ性能は悪天候下や視線障害時に劣化する可能性がある。
協調認識(あるいは集合認識)は、コネクテッド・アンド・オートマチック・ビークルズ(CAV)がセンサーデータを共有し、状況認識を協調的に強化することで、これらの制限を軽減することが期待されている。
いくつかの研究では、協調知覚の可能性について分析されているが、V2Xデータとオンボードセンサーの情報との融合は、焦点が限られている。
V2Xデータには、融合したデータの品質に影響を与えるエラーが含まれており、それによって協調的な知覚の有効性が期待できる。
本研究では, 測定誤差, V2Xパケット損失, GNSSの不正確さが協調認識の有効性に与える影響を解析した。
その結果,車載センサのみを用いた場合と比較して,認知レベルや範囲が向上する可能性が示唆された。
しかし、彼らはまた、核融合プロセス中のゴースト車両の発生に関連する重要な課題も特定し、V2Xデータが搭載センサーデータと融合した場合に追加エラーが発生するのを防ぐために対処する必要がある。
関連論文リスト
- VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。
CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
論文 参考訳（メタデータ） (2026-09-02T11:32:52Z) - Robust Fusion of Object-Level V2X for Learned 3D Object Detection [2.1999185330214828]
車両間通信(V2X)はますます普及しており、車両は自身の状態をオブジェクトレベルの情報として共有することができる。
本稿では,V2Xの情報を3次元物体検出に組み込む方法と,現実的なV2X不完全性に対するシステムの堅牢性について検討する。
その結果,対象レベルの協調情報が検出性能を大幅に向上し,良好な条件下では0.80のNDSを実現する一方で,理想化されたデータに基づいて訓練されたモデルがV2X上で脆弱で過度に回復できることが示唆された。
論文 参考訳（メタデータ） (2026-05-01T12:06:07Z) - Research Challenges and Progress in the End-to-End V2X Cooperative Autonomous Driving Competition [54.341718589800855]
車両間通信(V2X)は、知覚範囲を拡大し運転安全性を高めるための重要な手段となっている。
我々は,協調的時間知覚と協調的エンドツーエンド計画という2つのトラックを特徴とする,V2X協力によるエンドツーエンド自律運転を組織した。
本稿では,バンド幅認識融合,堅牢なマルチエージェント計画,異種センサ統合といった重要な研究課題を取り上げ,課題の設計と成果について述べる。
論文 参考訳（メタデータ） (2025-07-29T09:06:40Z) - S2S-Net: Addressing the Domain Gap of Heterogeneous Sensor Systems in LiDAR-Based Collective Perception [0.6228127137267275]
この研究は、車車間(V2V)集団知覚におけるSensor2Sensorドメインギャップに対処する最初の試みである。
まず、センサドメインのロバストアーキテクチャS2S-Netについて述べる。
次に、最先端CP法とS2S-NetのSensor2Sensor領域適応能力を詳細に分析する。
論文 参考訳（メタデータ） (2025-04-24T09:38:59Z) - CooTest: An Automated Testing Approach for V2X Communication Systems [15.570594621752834]
我々は,V2X指向の協調認識モジュールの最初の自動テストツールであるCooTestを設計,実装した。
CooTestは、様々なV2X指向の運転条件下での誤動作を効果的に検出できる。
論文 参考訳（メタデータ） (2024-08-29T12:01:21Z) - 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) - Toward an AI-enabled Connected Industry: AGV Communication and Sensor Measurement Datasets [33.89321466798318]
産業用テストベッドにおける2つの無線計測キャンペーン:産業用車車間(iV2V)と産業用車間(iV2I+)について述べる。
iV2Vは、自動誘導車両(AGV)間のサイドリンク通信シナリオをカバーし、iV2I+は、自律的なクリーニングロボットがプライベートなセルネットワークに接続されている産業環境で実行される。
共通計測手法における異なるコミュニケーション技術の組み合わせは、指紋認証、視線検出、サービス品質の予測、といったタスクに機械学習(ML)が活用できる洞察を提供する。
論文 参考訳（メタデータ） (2022-12-20T15:04:20Z) - Edge-Aided Sensor Data Sharing in Vehicular Communication Networks [8.67588704947974]
車両・車間通信と車両・車間通信を併用した車両ネットワークにおけるセンサデータ共有と融合を考察する。
本稿では、エッジサーバが車両からセンサ計測データを収集・キャッシュするBidirectional Feedback Noise Estimation (BiFNoE) 手法を提案する。
認識精度は平均80%向上し, アップリンクは12kbps, ダウンリンク帯域は28kbpsであった。
論文 参考訳（メタデータ） (2022-06-17T16:30:56Z) - Radar Voxel Fusion for 3D Object Detection [0.0]
本稿では,3次元物体検出のための低レベルセンサ融合ネットワークを開発する。
レーダーセンサーの融合は、雨や夜景のような裂け目状態において特に有益である。
論文 参考訳（メタデータ） (2021-06-26T20:34:12Z) - Complex-valued Convolutional Neural Networks for Enhanced Radar Signal
Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。
CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文 参考訳（メタデータ） (2021-04-29T10:06:29Z) - Learning to Communicate and Correct Pose Errors [75.03747122616605]
本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。
本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
論文 参考訳（メタデータ） (2020-11-10T18:19:40Z) - Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision
Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。
SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文 参考訳（メタデータ） (2020-09-01T03:38:31Z)
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。