Evaluation of sensors impact on information redundancy in cooperative perception system
Notice bibliographique
Résumé
Cooperative perception is a widely adopted approach to cope with occlusion and non-line-of-sight limitations of the vehicles' local sensors. It enables vehicles to increase their awareness of the environment by sharing their local perception information with others using Vehicle-to-Everything (V2X) technology, thus, avoiding potential accidents. This paper studies the sensor errors and properties and reflects their impact on redundant information shared over communication while arguing for the cases where redundant information could be accepted. Specifically, three perspectives are evaluated: perception issues due to object detection errors, localization errors due to inaccuracy in the onboard navigation system (NS) and the effect of different perception Field of View (FoV). The system is implemented and evaluated using Simulation of Urban MObility (SUMO) traffic simulator and a centralized basestation that coordinates the CV2X communication. Results confirm that 63% of the missed vehicles due to detection error can be retrieved using the suggested Estimated Error Detection (EED) approach. The drawback is increasing the number of duplicate information sent to the receiver. While this exhausts the communication resources, it is still useful for cases where detection is hindered (e.g., by weather conditions). Moreover, our experiments show that the system becomes less reliable when the positioning error is above 1 meter. Lastly, we analyze the effect of the Field of View (FoV) on the centralized basestation objective value, highlighting the importance of 360° perception although it increases duplicate information (51%), pointing to further research required for mitigating duplicate information.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».