QUEST：面向实用协同感知的查询流

协同感知可通过提供额外视角和扩展感知范围来有效提升个体感知性能。现有协同范式要么可解释（结果协同），要么灵活（特征协同）。本文提出查询协同的概念，以实现可解释的实例级灵活特征交互。为具体阐释该概念，我们提出一种称为 QUEST 的协同感知框架，其让查询流在智能体间流动。跨智能体查询通过融合用于共同感知实例、通过互补用于个体未感知实例进行交互。以基于摄像头的车路协同感知作为典型实际应用场景，在真实世界数据集 DAIR-V2X-Seq 上的实验结果证明了 QUEST 的有效性，并进一步揭示了查询协同范式在传输灵活性及对丢包鲁棒性方面的优势。我们希望本工作能进一步促进跨智能体表示交互，以在实践中实现更好的协同感知。