Adaptive Communications in Collaborative Perception with Domain Alignment for Autonomous Driving

要約

複数のコネクテッド自動運転車両間の共同知覚により、車両が通信を介して補足情報を交換できるようになり、知覚能力が大幅に向上します。
これまでのアプローチの進歩にも関わらず、チャネルの変動や協調車両間のデータの異質性により、課題は依然として残されています。
これらの問題に対処するために、我々は、通信グラフを動的に調整し、データの異質性による副作用を軽減しながら平均伝送遅延を最小限に抑える、チャネルを意識した協調的認識フレームワークである ACC-DA を提案します。
私たちの新規性は 3 つの側面にあります。
まず,通信グラフを構築し,異なるチャネル情報状態に応じて伝送遅延を最小化できる伝送遅延最小化方法を設計した。
次に、レートと歪みのトレードオフを動的に調整して知覚効率を高めることができる適応型データ再構成メカニズムを提案します。
さらに、データ送信中の時間的な冗長性が最小限に抑えられます。
最後に、異なる車両からのデータ分布を調整するためのドメイン アライメント スキームを考案します。これにより、異なる車両間のドメインのギャップが軽減され、ターゲット タスクのパフォーマンスが向上します。
包括的な実験により、既存の最先端の研究と比較して、私たちの方法の有効性が実証されています。

要約(オリジナル)

Collaborative perception among multiple connected and autonomous vehicles can greatly enhance perceptive capabilities by allowing vehicles to exchange supplementary information via communications. Despite advances in previous approaches, challenges still remain due to channel variations and data heterogeneity among collaborative vehicles. To address these issues, we propose ACC-DA, a channel-aware collaborative perception framework to dynamically adjust the communication graph and minimize the average transmission delay while mitigating the side effects from the data heterogeneity. Our novelties lie in three aspects. We first design a transmission delay minimization method, which can construct the communication graph and minimize the transmission delay according to different channel information state. We then propose an adaptive data reconstruction mechanism, which can dynamically adjust the rate-distortion trade-off to enhance perception efficiency. Moreover, it minimizes the temporal redundancy during data transmissions. Finally, we conceive a domain alignment scheme to align the data distribution from different vehicles, which can mitigate the domain gap between different vehicles and improve the performance of the target task. Comprehensive experiments demonstrate the effectiveness of our method in comparison to the existing state-of-the-art works.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google