计算机科学 > 机器人技术
[提交于 2025年1月28日
(此版本)
, 最新版本 2025年4月1日 (v2)
]
标题: RG-Attn:多模态多智能体协同感知的弧度粘合注意力
标题: RG-Attn: Radian Glue Attention for Multi-modality Multi-agent Cooperative Perception
摘要: 协作感知通过利用车对一切(V2X)通信在多个代理之间进行数据共享和融合,为克服单智能体系统的感知限制提供了最佳解决方案。 然而,大多数现有方法专注于单模态数据交换,限制了跨代理的同构和异构融合的潜力。 这忽略了利用每个代理的多模态数据的机会,限制了系统性能。 在汽车工业中,制造商采用不同的传感器配置,导致代理之间传感器模态的异构组合。 为了充分利用每一个可能的数据源以实现最佳性能,我们设计了一个鲁棒的激光雷达和相机跨模态融合模块,称为Radian-Glue-Attention(RG-Attn),由于变换矩阵带来的方便坐标转换以及统一的采样/反演机制,该模块适用于内部智能体跨模态融合和跨智能体跨模态融合场景。 我们还提出了两种不同的架构,分别命名为Paint-To-Puzzle(PTP)和Co-Sketching-Co-Coloring(CoS-CoCo),用于进行协作感知。 PTP旨在实现最大精度性能,并通过将跨智能体融合限制为一个实例来实现更小的数据包大小,但要求所有参与者都配备激光雷达。 相比之下,CoS-CoCo支持任何配置的智能体——仅激光雷达、仅相机或同时具备激光雷达和相机,表现出更强的泛化能力。 我们的方法在真实和模拟的协作感知数据集上均达到了最先进的(SOTA)性能。 代码将于2025年初在GitHub上发布。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.