摘要
多智能体协同感知通过智能体间通信共享互补信息，能够显著提升感知性能。然而，这一机制不可避免地在感知性能与通信带宽之间带来根本性权衡。为解决这一瓶颈问题，本文提出一种空间置信度图（spatial confidence map），用以表征感知信息在空间上的异质性。该机制使智能体仅需共享空间上稀疏但感知关键的信息，从而明确通信的时机与位置。基于这一新颖的空间置信度图，我们提出了 Where2comm——一种高效通信的协同感知框架。Where2comm 具备两大优势：其一，它引入实用化的信息压缩策略，通过聚焦于感知关键区域，在显著降低通信开销的同时实现更高的感知性能；其二，该框架能够动态调整参与通信的空间区域，从而适应不同通信带宽条件下的实际需求。为验证 Where2comm 的有效性，我们在真实世界与仿真场景下，针对两种模态（摄像头/LiDAR）和两类智能体（汽车/无人机）进行了三维目标检测任务评估，覆盖四个数据集：OPV2V、V2X-Sim、DAIR-V2X 以及我们自建的 CoPerception-UAVs 数据集。实验结果表明，Where2comm 在所有场景中均持续优于现有方法；例如，在 OPV2V 数据集上，其通信量较 DiscoNet 和 V2X-ViT 降低超过 10 万倍，同时仍保持更优的检测性能。相关代码已开源，地址为：https://github.com/MediaBrain-SJTU/where2comm。