V2X-ViT: 具有视觉转换器的车辆到一切合作感知
该研究提出了一种新型的多智能体异态合作感知框架，名为 HM-ViT，可以在异构传感器模态下协同预测高度动态的自动驾驶交通中的三维物体。实验证明 HM-ViT 相比先前的合作感知方法具有更好的效果。
Apr, 2023
车联网自动驾驶开辟了发展新一代智能交通系统的有前途的方向。合作感知作为实现车联网的必要组成部分，能够克服个体感知的固有局限，包括遮挡和远程感知。我们对车联网场景下的合作感知方法进行了全面的综述，为该领域提供了深入的理解和了解。
Aug, 2023
自动驾驶中准确的感知是推动该领域发展并解决安全挑战的关键。新兴的基于车联网技术的合作感知被提出作为一种解决方案，以克服当前感知方法在复杂真实交通环境中遇到的困难，并提升驾驶自动化系统的性能。本文通过全面综述合作感知技术的演进，并重点关注与车联网通信技术相关的最新研究，提出了一个当代通用框架来说明基于车联网的合作感知工作流程，分析了当前所解决的关键问题并进行了文献综述，最后探讨了自动驾驶中感知和车联网通信发展所面临的挑战和未来方向。
Oct, 2023
本文旨在探讨利用车辆间通信（V2V）来提高自动驾驶汽车的感知和运动预测性能，通过聚合来自多个附近车辆的信息，我们可以从不同视角观察相同的场景，可以穿透遮挡物并检测长距离的行为者，通过使用压缩的深度特征图激活的方法，达到高精度的目的，同时满足通信带宽要求。
Aug, 2020
本研究提出了一种基于历史信息的 V2X-INCOP 方案，利用通信自适应多尺度时空预测模型来提取多尺度时空特征、捕捉最显著的信息以预测遗漏的信息，同时采用知识蒸馏框架和课程学习策略来稳定模型训练，实验表明该方法能够有效缓解通信中断对合作感知的影响。
Apr, 2023
车辆到一切 (V2X) 感知是一种创新技术，提高了车辆感知的准确性，从而提升了自动系统的安全性和可靠性。然而，现有的 V2X 感知方法主要集中在基于车辆视觉的静态场景，受传感器能力和通信负载的限制。为了适应动态场景，我们提出了一种从道路到车辆视觉的自适应 V2X 感知方法 (AR2VP)。在 AR2VP 中，我们利用路边单元提供稳定的广域感知能力，并作为通信中心。AR2VP 旨在应对场景内变化和场景间变化的挑战。我们构建了一个动态感知表示模块，高效集成了车辆感知，使车辆能够对场景中更全面的动态因素进行捕捉。此外，我们引入了一个从道路到车辆感知的补偿模块，旨在在场景内变化的情况下保留最大化的路边单元感知信息。对于场景间变化，我们实现了一种利用路边单元的存储能力进行经验回放的机制，以保持模型对场景变化的鲁棒性。我们在 3D 物体检测和分割上进行了感知实验，结果显示 AR2VP 在性能带宽平衡和适应性方面表现出色。
Oct, 2023
通过提出一种多视角车路协同感知系统（V2X-AHD），利用不同的训练数据提高轮廓识别的准确性，并借助多头自注意力（MSA）融合单视角特征，从而有效提高 3D 物体检测的准确性和降低网络参数数量。
Oct, 2023
通过提出 V2X-Sim，一个完整的模拟多智能体感知数据集，本文试图为自动驾驶的协作式感知研究提供一个 benchmark，其中包含了多节点感知、多模态感知以及各种各样的真实解等任务，并为最前沿的协作式感知算法提供一个基准。
Feb, 2022
该论文提出了一种基于激光雷达和车联网技术的端到端自动驾驶方法 (V2X-Lead)，以解决在混合自治交通条件下导航不规范的城市场景的挑战。该方法通过融合车载激光雷达传感器和 V2X 通信数据来处理不完整的局部观测。采用无模型和离策略深度强化学习 (DRL) 算法训练驾驶代理，该算法结合精心设计的奖励函数和多任务学习技术，提高不同驾驶任务和场景之间的泛化能力。实验结果表明，该方法在混合自治交通下通过无信号交叉口的任务中提高了安全性和效率，并在之前未见过的场景 (如环状交叉口) 中具有泛化能力。V2X 通信的集成为自动驾驶车辆 (AVs) 提供了一个重要的数据源，使其能够在车辆感知上超越车载传感器，从而实现更准确、更全面的驾驶环境感知和更安全、更稳健的驾驶行为。
Sep, 2023