| عنوان مقاله به انگلیسی | Model-Assisted Learning for Adaptive Cooperative Perception of Connected Autonomous Vehicles |
| عنوان مقاله به فارسی | یادگیری با کمک مدل برای درک تعاملی سازگار از وسایل نقلیه خودکار متصل |
| نویسندگان | Kaige Qu, Weihua Zhuang, Qiang Ye, Wen Wu, Xuemin Shen |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| چکیده | Cooperative perception (CP) is a key technology to facilitate consistent and accurate situational awareness for connected and autonomous vehicles (CAVs). To tackle the network resource inefficiency issue in traditional broadcast-based CP, unicast-based CP has been proposed to associate CAV pairs for cooperative perception via vehicle-to-vehicle transmission. In this paper, we investigate unicast-based CP among CAV pairs. With the consideration of dynamic perception workloads and channel conditions due to vehicle mobility and dynamic radio resource availability, we propose an adaptive cooperative perception scheme for CAV pairs in a mixed-traffic autonomous driving scenario with both CAVs and human-driven vehicles. We aim to determine when to switch between cooperative perception and stand-alone perception for each CAV pair, and allocate communication and computing resources to cooperative CAV pairs for maximizing the computing efficiency gain under perception task delay requirements. A model-assisted multi-agent reinforcement learning (MARL) solution is developed, which integrates MARL for an adaptive CAV cooperation decision and an optimization model for communication and computing resource allocation. Simulation results demonstrate the effectiveness of the proposed scheme in achieving high computing efficiency gain, as compared with benchmark schemes. |
| تعداد صفحات | 15 |
| چکیده به فارسی (ترجمه ماشینی) | ادراک تعاونی (CP) یک فناوری کلیدی برای تسهیل آگاهی از موقعیتی سازگار و دقیق برای وسایل نقلیه متصل و خودمختار (CAV) است.برای مقابله با مسئله ناکارآمدی منابع شبکه در CP مبتنی بر پخش سنتی ، CP مبتنی بر Unicast برای پیوند جفت CAV برای درک تعاونی از طریق انتقال وسیله نقلیه به وسیله نقلیه پیشنهاد شده است.در این مقاله ، ما CP مبتنی بر Unicast را در بین جفت های CAV بررسی می کنیم.با در نظر گرفتن بار کار ادراک پویا و شرایط کانال به دلیل تحرک وسایل نقلیه و در دسترس بودن منابع رادیویی پویا ، ما یک طرح ادراک تعاونی سازگار برای جفت های CAV در یک سناریوی رانندگی خودمختار مختلط با هر دو CAVS و وسایل نقلیه انسانی ارائه می دهیم.هدف ما این است که تعیین کنیم چه موقع باید بین ادراک تعاونی و درک مستقل برای هر جفت CAV جابجا شویم و منابع ارتباطی و محاسباتی را به جفت های CAV تعاونی اختصاص دهیم تا به حداکثر رساندن افزایش بهره وری محاسبات تحت الزامات تأخیر وظیفه ادراک باشد.یک راه حل یادگیری تقویت کننده چند عامل (MARL) با کمک مدل تدوین شده است ، که MARL را برای یک تصمیم همکاری با CAV تطبیقی و یک مدل بهینه سازی برای ارتباطات و محاسبات تخصیص منابع ادغام می کند.نتایج شبیه سازی نشان دهنده اثربخشی طرح پیشنهادی در دستیابی به بهره وری محاسبات بالا ، در مقایسه با طرح های معیار است. |
| دسته بندی موضوعات | Networking and Internet Architecture,Signal Processing,شبکه سازی و معماری اینترنت ، پردازش سیگنال ، |
| توضیحات | Submitted 18 January, 2024; originally announced January 2024. , Comments: Accepted by IEEE Transactions on Wireless Communications |
| توضیحات به فارسی | ارائه شده در 18 ژانویه 2024 ؛در ابتدا ژانویه 2024 اعلام شد ، نظرات: پذیرفته شده توسط معاملات IEEE در ارتباطات بی سیم |
| توجه کنید این مقاله به زبان انگلیسی است. |
|
برای سفارش ترجمه این مقاله می توانید به یکی از روش های تماس، پیامک، تلگرام و یا واتس اپ با شماره زیر تماس بگیرید:
09395106248 توجه کنید که شرایط ترجمه به صورت زیر است:
|