EffiComm：带宽高效的多智能体通信
计算机视觉与模式识别
2025-07-28 v1 机器学习
机器人学
摘要
协同感知允许连接车辆交换传感器信息，克服每辆车的视野盲区。然而，传输原始点云或完整特征图会压垮车辆对车辆 (V2V) 通信，导致延迟和可扩展性问题。我们引入 EffiComm，一种端到端框架，在保持领先方法 0.7 处 0.84 [email protected] 的 3D 对象检测准确率的同时，传输的数据量不足于先前方法的 40%。EffiComm 基于任意模态的鸟瞰视角 (BEV) 特征图运行，应用两阶段压缩流程：(1) 选择性传输 (ST) 通过置信度掩码剔除低效区域；(2) 自适应网格压缩 (AGR) 使用图神经网络 (GNN) 根据角色和网络负载分配车辆特定的保留比率。剩余特征通过软门控混合专家 (Mixture-of-Experts) 注意力层进行融合，提供更大的容量和专业化，以实现有效的特征集成。在 OPV2V 基准上，EffiComm 在 0.84 [email protected] 下，仅发送约 1.5 MB 每帧的数据，超越了在准确率-比特曲线上的先前方法。这些结果凸显了自适应、学习型通信对于可扩展车辆对一切 (V2X) 感知的重要价值。
引用
@article{arxiv.2507.19354,
title = {EffiComm: Bandwidth Efficient Multi Agent Communication},
author = {Melih Yazgan and Allen Xavier Arasan and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2507.19354},
year = {2025}
}
备注
Accepted for publication at ITSC 2025