Kooperatives Wahrnehmen kann die Leistung der individuellen Wahrnehmung effektiv verbessern, indem zusätzliche Blickwinkel bereitgestellt und der Erfassungsbereich erweitert werden. Bestehende Kooperationsparadigmen sind entweder interpretierbar (Ergebnis-Kooperation) oder flexibel (Feature-Kooperation). In diesem Paper führen wir den Begriff der Abfrage-Kooperation ein, um interpretierbare, instanzbasierte flexible Merkmalsinteraktionen zu ermöglichen. Um diesen Konzept präzise zu erläutern, schlagen wir einen kooperativen Wahrnehmungsrahmen namens QUEST vor, bei dem Abfragen zwischen Agenten fließen. Kreuz-Agenten-Abfragen werden über Fusion für gemeinsam erkannte Instanzen und über Ergänzung für individuell nicht erkannte Instanzen interagiert. Anhand einer typischen praktischen Anwendungsszene – kamerabasierte Fahrzeug-Infrastruktur-Wahrnehmung – belegen die Experimente auf dem realen Datensatz DAIR-V2X-Seq die Wirksamkeit von QUEST und verdeutlichen zudem den Vorteil des Abfrage-Kooperationsparadigmas hinsichtlich Übertragungsflexibilität und Robustheit gegenüber Paketverlust. Wir hoffen, dass unsere Arbeit die interagenten Repräsentationsinteraktionen für eine bessere praktische kooperative Wahrnehmung weiter voranbringt.