- 朝着联网与自动驾驶的多智能体协作鸟瞰图分割的全场景域泛化
我们提出了一种统一的域泛化框架，通过在训练和推断阶段引入振幅增强和一致性训练方案，旨在解决协作感知系统中的域漂移和域差异问题，并通过广泛实验证明了其有效性。
- 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。
- MMDUSA: 解耦无监督 Sim2Real 车辆协同感知适应
车联网 (V2X) 的协作感知对于自动驾驶至关重要。然而，实现高精度的 V2X 感知需要大量的真实世界数据进行标注，这往往昂贵且难以获取。模拟数据因其可大规模低成本生成而备受关注。然而，模拟数据与真实世界数据之间存在显著的领域差异，包括传感 - 鲁棒的异步协同三维检测通过鸟瞰流
通过鸟瞰流（BEV flow）对异步协同感知消息进行补偿，CoBEVFlow 提出了一种异步鲁棒的基于 3D 视觉感知系统，能够处理不规则、连续时间戳的协同感知消息，而不需要离散化，并且只传输原始感知特征而不引入额外噪音，通过在 IRV2V - 协同车辆感知中的数据伪造：攻击与对策
我们研究了协同感知在连接和自动驾驶车辆（CAVs）中的应用，并提出一种安全分析及应对措施，以识别和减轻由恶意参与者利用虚假数据对感知结果进行干扰的问题。通过真实和模拟场景的实验，我们证明了我们的攻击方式具有较高的成功率，并提出了系统的异常检 - 自主驾驶中领域对齐的协作感知中的自适应通信
通过通信交换补充信息的多个连接和自主车辆之间的协同感知可以极大地增强感知能力，我们提出了一种通道感知的协同感知框架 ACC-DA，通过动态调整通信图并减小平均传输延迟来解决通道变化和数据异构性所带来的挑战。
- 面向车辆一切自主驾驶：协作感知综述
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。
- 从语义信息的时空重要性重新思考协作感知
我们提出了一种新颖的协作感知框架，IoSI-CP，它考虑了来自时空维度的语义信息的重要性，并开发了基于镜像以及空间维度的协作者选择方法和语义信息融合算法来改进感知性能。
- 协同多智能体视频快进
该研究提出了两种协作多智能体视频快进框架以实现减少冗余 / 重复视频帧的资源消耗，包括使用强化学习的分布式框架和集中式框架，可以在实时场景和后处理场景中显著提高视频处理效率和帧率同时保证环境感知的准确性。
- 多智能体协同感知的注意力特征融合
本研究提出了一种基于注意力机制的图形卷积网络作为中间的协作感知解决方案，通过该方法实现了信息聚合并提高了物体检测精度，同时减少了网络资源的使用，有效地解决了智能交通系统中的协作感知问题。
- 团队协作感知的对抗性鲁棒性实现 —— 基于共识机制
提出了一种新型的基于采样的防御策略 ROBOSAC，该策略可以保证多个机器人协同感知的结果一致性，有效应对深度学习中的对抗攻击，并在自主驾驶场景中有效驱动协同 3D 物体检测任务。
- 时延感知的协同感知
该论文提出了一种机器学习视角下的首个延迟感知的协同感知系统，通过使用 SyncNet，着重于实现异步感知特征的特征级同步来提高协作的鲁棒性和效果，并证明了该方法在通讯延迟场景下优于现有的协同感知方法，且在严重延迟情况下，协同感知仍优于单个智 - 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 - ICCVV2X-Sim：自动驾驶多智能体协作感知数据集和基准
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。
- CVPRWhen2com: 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。
- 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-C