HawkRover: An Autonomous mmWave Vehicular Communication Testbed with Multi-sensor Fusion and Deep Learning

要約

コネクテッドカーと自動運転車（CAV）は、私たちの日常生活を一変させる技術となっている。現在、ミリ波帯（mmWave）が有望なCAV接続ソリューションとして認識されている。ミリ波帯は高いデータ・レートを提供できる反面、ミリ波信号の伝搬時の減衰の大きさやモビリティ管理など、その実現には多くの課題があります。既存のソリューションでは、チャネル情報を測定するためにパイロット信号を開始し、十分な信号電力を保証するために、受信側に向かって最適なナロービームを計算する信号処理を適用しなければなりません。この処理には多大なオーバーヘッドと時間がかかるため、自動車には適さない。本研究では、mmWave車載通信を促進するために、従来から「自動化」されているLiDAR（Light Detection and Ranging）、カメラ、超音波などの他のセンサデータと、広範囲に配置されたmmWave信号を収集するための自律的で低コストのテストベッドを提案する。直感的には、これらのセンサーは車両周辺の3Dマップを構築し、信号伝搬経路を推定することができるため、パイロット信号による反復プロセスを排除することができる。このマルチモーダルなデータ・フュージョンとAIは、「コネクテッド」研究に大きな進歩をもたらすと期待されている。

要約(オリジナル)

Connected and automated vehicles (CAVs) have become a transformative technology that can change our daily life. Currently, millimeter-wave (mmWave) bands are identified as the promising CAV connectivity solution. While it can provide high data rate, their realization faces many challenges such as high attenuation during mmWave signal propagation and mobility management. Existing solution has to initiate pilot signal to measure channel information, then apply signal processing to calculate the best narrow beam towards the receiver end to guarantee sufficient signal power. This process takes significant overhead and time, hence not suitable for vehicles. In this study, we propose an autonomous and low-cost testbed to collect extensive co-located mmWave signal and other sensors data such as LiDAR (Light Detection and Ranging), cameras, ultrasonic, etc, traditionally for “automated”, to facilitate mmWave vehicular communications. Intuitively, these sensors can build a 3D map around the vehicle and signal propagation path can be estimated, eliminating iterative the process via pilot signals. This multimodal data fusion, together with AI, is expected to bring significant advances in “connected” research.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL