[論文レビュー] Augmented Informative Cooperative Perception.

Pengyuan Zhou, Pranvera Kortoçi+8 more|arXiv (Cornell University)|Jan 14, 2021

Vehicular Ad Hoc Networks (VANETs)参考文献 40被引用数 4

ひとこと要約

本論文では、拡張現実ヘッドアップディスプレイ向けに、最も情報量の多い視覚データのみをフィルタリング・優先順位付けすることで、連結車両間でのデータ共有を最適化する低遅延・高効率なシステム、拡張情報的協調認識（AICP）を提案する。軽量ルーティングプロトコルとフィtnessに基づくソーティングアルゴリズムを組み合わせることで、ネットワーク負荷を低減し、12.6 msの追加遅延でしか発生させない一方で、知的なデータフィルタリングによりチャネルビジータイムを短縮する。

ABSTRACT

Connected vehicles, whether equipped with advanced driver-assistance systems or fully autonomous, are currently constrained to visual information in their lines-of-sight. A cooperative perception system among vehicles increases their situational awareness by extending their perception ranges. Existing solutions imply significant network and computation load, as well as high flow of not-always-relevant data received by vehicles. To address such issues, and thus account for the inherently diverse informativeness of the data, we present Augmented Informative Cooperative Perception (AICP) as the first fast-filtering system which optimizes the informativeness of shared data at vehicles. AICP displays the filtered data to the drivers in augmented reality head-up display. To this end, an informativeness maximization problem is presented for vehicles to select a subset of data to display to their drivers. Specifically, we propose (i) a dedicated system design with custom data structure and light-weight routing protocol for convenient data encapsulation, fast interpretation and transmission, and (ii) a comprehensive problem formulation and efficient fitness-based sorting algorithm to select the most valuable data to display at the application layer. We implement a proof-of-concept prototype of AICP with a bandwidth-hungry, latency-constrained real-life augmented reality application. The prototype realizes the informative-optimized cooperative perception with only 12.6 milliseconds additional latency. Next, we test the networking performance of AICP at scale and show that AICP effectively filter out less relevant packets and decreases the channel busy time.

研究の動機と目的

• 連結車両間の協調認識システムにおいて、不要または重複するデータを送信することで生じる高いネットワークおよび計算負荷を解消すること。
• 連結車両から得られる視覚データのうち、最も情報量の多いもののみを意図的に共有することで、状況認識能力を向上させること。
• 送信前に情報量が少ないデータをフィルタリングすることで、協調認識における遅延と帯域幅使用量を低減すること。
• フィルタリングされた高情報量のデータを拡張現実ヘッドアップディスプレイに統合し、運転手へのリアルタイムフィードバックを提供すること。
• 動的な車両環境において、計算効率、低遅延伝送、知覚的関連性のバランスを取ったシステムを設計すること。

提案手法

• 迅速なデータカプセル化、解釈、伝送を実現するためのカスタムデータ構造と軽量ルーティングプロトコルの設計。
• 表示に最も価値のある視覚データのサブセットを選択するための情報量最大化問題の定式化。
• アプリケーション層にフィtnessに基づくソーティングアルゴリズムを実装し、情報量の高いデータを優先順位付けする。
• 選択されたデータを拡張現実ヘッドアップディスプレイに統合し、運転手へのリアルタイム可視化を実現する。
• ネットワーク配布前に情報量が低いパケットをフィルタリングすることで、データ伝送を最適化する。
• リアルな状況下、帯域幅を多く消費する、遅延制約のあるAR環境下でのシステム性能を評価し、効率性と応答性を検証する。

実験結果

リサーチクエスチョン

• RQ1 協調認識システムは、連結車両における不要な視覚データをどのように効率的にフィルタリングすることで、ネットワーク負荷と計算負荷を低減できるか？
• RQ2 車両ネットワークにおける共有視覚データの情報量を客観的に測定・最大化するための基準と手法は何か？
• RQ3 軽量でフィtnessに基づくデータ選択メカニズムは、AR搭載の協調認識システムにおいて、遅延とチャネル利用度をどの程度低減できるか？
• RQ4 フィルタリングされ、情報量の高いデータが拡張現実ヘッドアップディスプレイに統合された場合、運転手のリアルタイム認識とシステムの応答性にどのような影響を与えるか？
• RQ5 スケーラブルな協調認識システムは、現実のネットワーク制約下でも低遅延と高いデータ関連性を維持できるか？

主な発見

• AICPプロトタイプは、拡張現実ヘッドアップディスプレイに情報量の高いデータを統合する際、わずか12.6ミリ秒の追加遅延しか発生しない。
• AICPは、関連性が低いデータパケットをフィルタリングすることで、チャネルビジータイムを顕著に短縮し、ネットワーク効率を向上させる。
• システムの軽量ルーティングプロトコルとカスタムデータ構造により、最小限のオーバーヘッドで迅速なデータ解釈と伝送が可能になる。
• フィtnessに基づくソーティングアルゴリズムは、知覚的関連性の高いデータを効果的に優先順位付けし、運転手の状況認識能力を向上させる。
• 大規模ネットワークテストにおいても、システムはスケーラビリティを示し、低遅延と高いデータ関連性を維持する。
• AICPをAR HUDに統合した結果、現実の帯域制限のある条件下でも実装可能で効率的であることが実証された。