AFFormer: Percezione Cooperativa V2X Basata su Transformer in Presenza di Disturbi di Canale
Un nuovo framework chiamato AFFormer è stato introdotto dai ricercatori, progettato per migliorare la percezione cooperativa V2X e aumentare la robustezza del rilevamento 3D di oggetti in presenza di sfide di canale come rumore, fading e interferenza. Questo framework comprende tre componenti essenziali: Aggregazione Multi-Agente e Temporale, che facilita l'integrazione context-aware tra diversi agenti e nel tempo; Doppia Attenzione Spaziale, mirata alla modellazione efficace delle dipendenze spaziali; e Fusione Guidata dall'Incertezza, che affronta il problema delle feature corrotte. L'obiettivo di questa ricerca è rafforzare l'affidabilità dei sistemi di trasporto intelligenti in scenari di comunicazione reali.
Fatti principali
- AFFormer è un Adaptive Feature Fusion Transformer per la percezione cooperativa V2X.
- Affronta disturbi di canale come rumore, fading e interferenza.
- Tre moduli chiave: Aggregazione Multi-Agente e Temporale, Doppia Attenzione Spaziale, Fusione Guidata dall'Incertezza.
- Il framework migliora la robustezza del rilevamento 3D di oggetti per veicoli autonomi.
- Pubblicato su arXiv con ID 2605.01888.
Entità
Istituzioni
- arXiv