Bandwidth-Adaptive Spatiotemporal Correspondence Identification for Collaborative Perception

要約

対応識別（COID）は、マルチロボットの共同認識における重要な機能であり、ロボットのグループがそれぞれの視野内の同じオブジェクトを一貫して参照できるようにします。
接続された自律運転などの現実世界のアプリケーションでは、車両は、通信帯域幅が限られているため、生の観察を直接共有する際に課題に直面しています。
この課題に対処するために、共同認識において帯域幅に適応する時空の共同体のための新しいアプローチを提案します。
このアプローチにより、ロボットは部分的な時空の観測を徐々に選択し、他の人と共有することができ、時間の経過とともに動的に変化するコミュニケーションの制約に適応することができます。
接続された自律運転シミュレーションのさまざまなシナリオにわたってアプローチを評価します。
実験結果は、私たちのアプローチがコイドを有効にし、動的通信帯域幅の変化に適応することを検証します。
さらに、私たちのアプローチは、コイドとデータ共有効率のための共同オブジェクトの検索に関して、8％〜56％の全体的な改善を達成し、以前の手法を上回り、最先端のパフォーマンスを達成します。
詳細については、https：//gaopeng5.github.io/acoidをご覧ください。

要約(オリジナル)

Correspondence identification (CoID) is an essential capability in multi-robot collaborative perception, which enables a group of robots to consistently refer to the same objects within their respective fields of view. In real-world applications, such as connected autonomous driving, vehicles face challenges in directly sharing raw observations due to limited communication bandwidth. In order to address this challenge, we propose a novel approach for bandwidth-adaptive spatiotemporal CoID in collaborative perception. This approach allows robots to progressively select partial spatiotemporal observations and share with others, while adapting to communication constraints that dynamically change over time. We evaluate our approach across various scenarios in connected autonomous driving simulations. Experimental results validate that our approach enables CoID and adapts to dynamic communication bandwidth changes. In addition, our approach achieves 8%-56% overall improvements in terms of covisible object retrieval for CoID and data sharing efficiency, which outperforms previous techniques and achieves the state-of-the-art performance. More information is available at: https://gaopeng5.github.io/acoid.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google