本文提出了第一个大规模的开放式模拟数据集，其中包含超过70个有趣的场景，11464帧和232913标注的三维车辆边界框，以及一个用于评估多种信息融合策略的综合基准测试。同时，作者还提议了一种新的注意力中间融合管道，以聚合来自多个连接车辆的信息，证明该管道即使在大压缩率下也能实现优秀的性能。

Sep, 2021

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

本文研究了车路一体化（V2X）通信在提高自动驾驶车辆感知性能方面的应用，并提出了一种基于 V2X 通信的健壮的协作感知框架，使用一种新颖的视觉 Transformer。使用大规模的 V2X 感知数据集，在海量实验中表明 V2X-ViT 能够在3D物体检测中取得state-of-the-art的表现，并且即使在恶劣嘈杂的环境下具有稳健的性能。

Mar, 2022

本文介绍了 V2V4Real 多模态数据集和近期合作感知算法在三项任务上的全面基准测试。通过两辆车行驶，由多模态传感器收集数据，该数据集包括 20K LiDAR 帧、40K RGB 帧、240K 5类三维边界框的标注和覆盖所有行驶路线的 HDMaps。该数据集对协作 3D 物体检测、协作 3D 物体跟踪和 Sim2Real 领域自适应合作感知等三个任务提出了需要解决的问题。

Mar, 2023

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

我们提出了一个具有多模态传感数据的数据集，以促进车辆与智能基础设施之间的协作感知发展，并通过合作感知方法的综合多类多智能体评估来支持研究。

Mar, 2024

协作车辆到所有感知任务通过邻近交通代理之间的消息通信提高各个车辆的感知能力。我们提出了一种全新的消息单元，即点簇，并建立了协作感知的新框架V2X-PC，以解决稠密表示中的目标特征破坏、长距离协作中的信息聚合效率和隐含结构表示通信的问题。通过在两个被广泛认可的协作感知基准上进行实验，我们展示了我们方法相对于依赖于BEV地图的先前最先进方法的优越性能。

Mar, 2024

本研究解决了现有V2X合作感知方法对准确的多智能体3D标注数据的依赖问题，提出了一种自监督学习方法CooPre，利用大量未标记的3D V2X数据来提升感知性能。我们的实验表明，该方法在跨领域转移性、数据效率和在挑战性场景下的鲁棒性方面均得到了显著改善。

Aug, 2024