计算机科学 > 机器人技术
[提交于 2025年1月28日
(v1)
,最后修订 2025年4月1日 (此版本, v2)]
标题: 基于径向粘结注意机制的多模态多智能体协同感知
标题: RG-Attn: Radian Glue Attention for Multi-modality Multi-agent Cooperative Perception
摘要: 协同感知通过利用车到一切(V2X)通信实现多个代理之间的数据共享和融合,提供了一种克服单代理系统感知限制的最优解决方案。 然而,大多数现有的方法集中于单一模态的数据交换,限制了同构和异构融合的潜力。 这忽略了每个代理利用多模态数据的机会,从而限制了系统的性能。 在汽车行业,制造商采用不同的传感器配置,导致不同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获得最佳性能,我们设计了一个鲁棒的激光雷达和相机跨模态融合模块,即Radian-Glue-Attention (RG-Attn),由于可以通过变换矩阵方便地进行坐标转换以及统一的采样/反演机制,该模块适用于代理内部跨模态融合和代理间跨模态融合场景。 我们还提出了两种不同的架构,名为Paint-To-Puzzle (PTP) 和 Co-Sketching-Co-Coloring (CoS-CoCo),用于执行协同感知。 PTP旨在实现最大精度性能,并通过将跨代理融合限制为单个实例来减小数据包大小,但要求所有参与者都配备激光雷达。 相比之下,CoS-CoCo支持任何配置的代理——仅激光雷达、仅摄像头或同时具有激光雷达和摄像头,表现出更强的泛化能力。 我们的方法在真实和模拟的协同感知数据集上均达到了最先进的(SOTA)性能。 代码现已在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.