Sep, 2022

Where2comm: 基于空间置信度图的通信高效协作感知

PDF
TL;DR提出了空间置信图概念，以实现基于多智能体协同感知的通信高效性，使智能体在信息共享时只传递关键的感知信息，优化感知性能，并可自适应调整传输空间区域以应对不同的通信带宽。在多个数据集上的 3D 物体检测任务中，Where2comm 算法分别以不同的传感器类型和车辆类型获得了优异的性能，并在通信体积方面实现了大幅度降低。
multi-agent collaborative perceptionspatial confidence mapcommunication-efficient3d object detectionvarying communication bandwidth
发现论文，激发创造
  • 多智能体协作感知中的实用沟通

    通过合作感知，我们提出一种多智能体合作的感知系统 PragComm，通过主动选择消息、优化消息表示和选择有益的合作者，从而降低通信成本并提高任务性能。

    Jan, 2024

  • When2com: 基于通信图分组的多智能体感知

    本文提出一个学习通信组和决定何时通信的通信框架，可以在两种不同的感知任务上展示其广泛适用性，并显示它显著减少了通信带宽并保持了优异的性能。

    May, 2020

  • 实用协作感知：异步和多智能体三维物体检测框架

    本文介绍一种新的通过点云序列检测车辆 3D 物体的方法，采用 LiDAR 传感器解决阴影效应与 HD 地图配合，并使用 V2X 通信技术提高车辆感知性能，同时优化带宽性能.

    Jul, 2023

  • 可学习通信的自动驾驶系统协同式三维物体检测

    本文提出一种新的协同三维物体检测框架，通过利用空间分布式传感器所提供的信息来辅助自动驾驶系统中的感知精度，同时避免因事先的通信方案导致通信拥堵和 / 或性能受限的问题。通过两个复杂的驾驶场景的实验结果和带宽使用分析，证明了该方法可以在各种检测困难情况下节省通信和计算成本，并显著提高检测性能。

    May, 2022

  • 多智能体协同感知的时空域认知

    本文提出了以 SCOPE 为基础的协同感知框架，通过聚合不同道路代理的时空感知特征，以连续的方式显著提高自主车辆的感知性能。实验结果展示了我们方法的优越性和所提出组件的必要性。

    Jul, 2023

  • 通过码簿进行信息填充的高效协同感知

    通过交换感知信息来提高个体感知能力的协同感知方法在感知能力和通信成本之间存在着基本的权衡关系。优化感知信息的表示和选择是解决这个瓶颈问题的核心思想。基于码本的信息表示方案使得整数码的传输成为可能，而非高维特征图。信息填充驱动的信息选择方案优化了本地信息以满足每个个体的信息需求，避免了多个个体之间的信息溢出。通过整合这两个设计，我们提出了 CodeFilling，这是一个新颖的通信高效的协同感知系统，极大地改进了感知和通信之间的权衡关系，同时适用于同质和异质协作环境。我们在真实数据集 DAIR-V2X 和模拟数据集 OPV2VH + 上评估了 CodeFilling 的性能。结果显示，CodeFilling 在 DAIR-V2X/OPV2VH + 上的通信量比前沿方法 Where2comm 减少了 1333/1206 倍。我们的代码可以在此网址找到：https URL。

    May, 2024

  • BM2CP：利用激光雷达和相机模态进行高效的协作感知

    使用 LiDAR 和相机实现高效多模态感知的协作感知范式 BM2CP，可以解决多代理间传感器缺失的特殊情况，且在模拟和真实自动驾驶场景中通过较低的通信量超越了现有方法。

    Oct, 2023

  • Who2com: 可学习握手通信的协作感知

    本文提出了 “协同感知” 问题，通过一个能够学习的方式，使机器人能够将其本地观察结果与相邻代理的结果组合在一起，以提高感知任务的准确性，在网络通信协议的启发下，提出了一个多级握手通信机制，以优化场景理解任务，如语义分割。在 AirSim-CP 数据集上的实验表明，我们的握手通信方法可以将准确率提高约 20％，与使用带宽的四分之一的集中式方法相媲美。

    Mar, 2020

  • 利用不完美通信的增强协同感知自动驾驶车辆

    通过合作感知技术提高自动驾驶车辆在不利环境下的视觉感知质量，采用最佳辅助车辆优化协同感知并提高目标检测准确性，特别关注行人检测，验证结果表明该方法在挑战场景中提高了协作感知性能和驾驶安全。

    Apr, 2024

  • UVCPNet: 无人机 - 车辆协作感知网络用于 3D 目标检测

    通过开发虚拟数据集 V2U-COO，设计跨领域自适应模块 CDCA 以及协同深度优化模块 CDO，本文提出了一种专门用于空中 - 地面协同感知的框架，并在虚拟数据集和公共数据集上进行了广泛实验证明了其有效性，使检测准确率分别提高了 6.1% 和 2.7%。

    Jun, 2024