MASS：面向网联自动驾驶协同感知的移动感知传感器调度
机器人学
2023-02-28 v1 机器学习
网络与互联网体系结构
摘要
及时可靠的环境感知是安全高效自动驾驶的基础。然而，单体智能的感知不可避免地受遮挡影响。一种新范式——协同感知（CP）通过共享来自另一视角（即协同车辆（CoV））的传感器数据来补救。由于通信带宽有限，考虑视角与通信质量来调度最有益的 CoV 至关重要。现有方法依赖元信息（如可见性地图）交换以预测附近车辆的感知增益，这带来了额外的通信与处理开销。本文提出一种新方法——调度同时学习，用于 CP 的分布式调度。该方案使 CoV 利用感知增益的时间连续性，基于过往观测预测感知增益。具体而言，我们基于 restless 多臂老虎机（RMAB）理论设计了移动感知传感器调度（MASS）算法，以最大化期望平均感知增益。我们证明了期望平均学习遗憾的上界，其与任意在线算法的下界仅相差对数因子。在真实交通轨迹上进行了大量仿真。结果表明，所提 MASS 算法取得了最佳平均感知增益，与其他基于学习的算法相比召回率提升高达 4.2 个百分点。最后，基于 LiDAR 帧轨迹的案例研究定性展示了自适应探索（MASS 算法的关键要素）的优越性。
引用
@article{arxiv.2302.13029,
title = {MASS: Mobility-Aware Sensor Scheduling of Cooperative Perception for Connected Automated Driving},
author = {Yukuan Jia and Ruiqing Mao and Yuxuan Sun and Sheng Zhou and Zhisheng Niu},
journal= {arXiv preprint arXiv:2302.13029},
year = {2023}
}
备注
14 pages, 10 figures