AdaMap: High-Scalable Real-Time Cooperative Perception at the Edge

要約

協調知覚は、安全な自律走行に向けてコネクテッドカーや自動運転車（CAV）の知覚を増強するための重要なアプローチである。しかし、大規模な配備シナリオにおいて、数百台のCAVのリアルタイム知覚共有を実現することは困難である。本論文では、時変するネットワークダイナミクスの下で、確実なパーセンタイルエンドツーエンド遅延を達成する、新しいハイスケーラブルなリアルタイム協調知覚システムであるAdaMapを提案する。AdaMapを実現するために、我々はデータプレーンとコントロールプレーンを密結合に設計する。データプレーンでは、物体検出と追跡を動的に切り替える新しいハイブリッドローカリゼーションモジュールと、検出された物体の点群を適応的に圧縮・再構成する新しい点群表現モジュールを設計する。制御プレーンでは、過剰な多視点点群オブジェクトの選択を解除するための新しいグラフベースのオブジェクト選択法と、点群表現を最適化するための新しい近似勾配降下アルゴリズムを設計する。CARLAシミュレータから収集された150CAVのトレースの下で、現実的な車両とサーバーの計算とシミュレートされた5Gネットワークを含むエミュレーションプラットフォーム上にAdaMapを実装した。評価の結果、AdaMapは、最新のソリューションと比較して、0.37の再構成ロスを犠牲にして、平均送信データサイズを最大49倍まで削減することが示され、その高いスケーラビリティ、適応性、計算効率が検証された。

要約(オリジナル)

Cooperative perception is the key approach to augment the perception of connected and automated vehicles (CAVs) toward safe autonomous driving. However, it is challenging to achieve real-time perception sharing for hundreds of CAVs in large-scale deployment scenarios. In this paper, we propose AdaMap, a new high-scalable real-time cooperative perception system, which achieves assured percentile end-to-end latency under time-varying network dynamics. To achieve AdaMap, we design a tightly coupled data plane and control plane. In the data plane, we design a new hybrid localization module to dynamically switch between object detection and tracking, and a novel point cloud representation module to adaptively compress and reconstruct the point cloud of detected objects. In the control plane, we design a new graph-based object selection method to un-select excessive multi-viewed point clouds of objects, and a novel approximated gradient descent algorithm to optimize the representation of point clouds. We implement AdaMap on an emulation platform, including realistic vehicle and server computation and a simulated 5G network, under a 150-CAV trace collected from the CARLA simulator. The evaluation results show that, AdaMap reduces up to 49x average transmission data size at the cost of 0.37 reconstruction loss, as compared to state-of-the-art solutions, which verifies its high scalability, adaptability, and computation efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL