HyperAIHyperAI
منذ 11 أيام

Where2comm: إدراك تعاوني كفؤ من حيث الاتصال من خلال خرائط الثقة المكانية

Yue Hu, Shaoheng Fang, Zixing Lei, Yiqi Zhong, Siheng Chen
Where2comm: إدراك تعاوني كفؤ من حيث الاتصال من خلال خرائط الثقة المكانية
الملخص

يمكن أن يؤدي التفاعل التعاوني بين الوكالات إلى تحسين كبير في أداء الاستشعار من خلال تمكين الوكالات من مشاركة معلومات مكملة مع بعضها البعض عبر الاتصال. ومع ذلك، فإن هذا النهج يؤدي بالضرورة إلى تناقض جوهري بين أداء الاستشعار وعرض النطاق الترددي للاتصال. ولحل هذه المشكلة، نقترح خريطة الثقة المكانية، التي تعكس التباين المكاني للمعلومات الاستشعارية. وتمنح هذه الخريطة الوكالات القدرة على مشاركة معلومات نادرة مكانيًا، لكنها حاسمة من حيث الاستشعار، مما يُسهم في تحديد أماكن الاتصال. بناءً على هذه الخريطة المكانية الجديدة، نقدم إطار Where2comm، وهو إطار فعّال من حيث الاتصال في الاستشعار التعاوني. يتميز Where2comm بامتلاكه ميزتين بارزتين: أولاً، يأخذ بعين الاعتبار ضغطًا عمليًا ويستخدم كميات أقل من الاتصال لتحقيق أداء استشعار أعلى من خلال التركيز على المناطق الحاسمة من حيث الاستشعار؛ ثانيًا، يمكنه التعامل مع تغيرات عرض النطاق الترددي من خلال تعديل ديناميكي للمناطق المكانية المشاركة في الاتصال. لاختبار أداء Where2comm، قمنا بدراسة كشف الأجسام ثلاثية الأبعاد في سيناريوهات واقعية ومحاكاة، باستخدام نوعين من الوسائط (الكاميرات / LiDAR) ونوعين من الوكالات (السيارات / الطائرات المُسيرة)، على أربع مجموعات بيانات: OPV2V، V2X-Sim، DAIR-V2X، وبياناتنا الأصلية CoPerception-UAVs. وقد أظهر Where2comm تفوقًا مستمرًا على الطرق السابقة؛ فعلى سبيل المثال، حقق تقليلًا في حجم الاتصال بمقدار أكثر من 100,000 مرة، مع الحفاظ على تفوقه على طرائق مثل DiscoNet وV2X-ViT على مجموعة بيانات OPV2V. يُمكن الوصول إلى الكود الخاص بنا من خلال الرابط التالي: https://github.com/MediaBrain-SJTU/where2comm.

Where2comm: إدراك تعاوني كفؤ من حيث الاتصال من خلال خرائط الثقة المكانية | أحدث الأوراق البحثية | HyperAI