[논문 리뷰] Augmented Informative Cooperative Perception.

Pengyuan Zhou, Pranvera Kortoçi외 8명|arXiv (Cornell University)|2021. 01. 14.

Vehicular Ad Hoc Networks (VANETs)참고 문헌 40인용 수 4

한 줄 요약

이 논문은 증강현실 헤드업 디스플레이를 위한 가장 유용한 시각 데이터만 필터링하고 우선순위를 정함으로써 연결된 차량 간의 데이터 공유를 최적화하는 저지연, 고효율 시스템인 증강된 정보 기반 협동 인식(AICP)을 제안한다. 경량 라우팅 프rotocol와 적합도 기반 정렬 알고리즘을 조합함으로써 AICP는 네트워크 부하를 줄이고, 전송 지연이 단 12.6ms에 불과하면서도 지능적인 데이터 필터링을 통해 채널 점유 시간을 감소시킨다.

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.

연구 동기 및 목표

• 연결된 차량 간의 협동 인식 시스템에서 관련 없거나 중복되는 데이터를 전송함으로써 발생하는 높은 네트워크 및 계산 부하 문제를 해결하기 위해.
• 연결된 차량에서 가장 정보가 풍부한 시각 데이터만 선택적으로 공유함으로써 상황 인식 능력을 향상시키기 위해.
• 전송 이전에 덜 관련 있는 데이터를 필터링하여 협동 인식에서 지연 시간과 대역폭 사용량을 줄이기 위해.
• 필터링된 고정보성 데이터를 증강현실 헤드업 디스플레이에 통합하여 운전자에게 실시간 피드백을 제공하기 위해.
• 역동적인 차량 환경에서 계산 효율성, 저지연 전송, 인지적 관련성 사이의 균형을 유지하는 시스템을 설계하기 위해.

제안 방법

• 빠른 데이터 캡슐화, 해석 및 차량 간 전송을 가능하게 하는 맞춤형 데이터 구조와 경량 라우팅 프rotocol 설계.
• 디스플레이에 적합한 가장 가치 있는 시각 데이터 하위 집합을 선택하기 위해 정보량 최대화 문제를 수립.
• 응용 계층에서 적합도 기반 정렬 알고리즘을 구현하여 정보의 인지적 유용성에 따라 데이터를 순위 매기고 우선순위를 정함.
• 선택된 데이터를 증강현실 헤드업 디스플레이에 통합하여 운전자에게 실시간 시각화 제공.
• 네트워크 배포 이전에 정보량이 낮은 패킷을 필터링하여 데이터 전송 최적화.
• 실생활의 대역폭 소모가 심하고 지연 시간 제약이 있는 AR 조건 하에서 시스템 성능을 평가하여 효율성과 반응성 검증.

실험 결과

연구 질문

• RQ1 협동 인식 시스템에서 관련 없는 시각 데이터를 효율적으로 필터링하여 연결된 차량에서 네트워크 및 계산 부하를 줄일 수 있는 방법은 무엇인가?
• RQ2 차량 네트워크에서 공유되는 시각 데이터의 정보량을 객관적으로 측정하고 최대화하기 위해 사용할 수 있는 기준과 방법은 무엇인가?
• RQ3 경량의 적합도 기반 데이터 선택 메커니즘이 AR 기반 협동 인식 시스템에서 지연 시간과 채널 활용도를 어느 정도 줄일 수 있는가?
• RQ4 필터링된 고정보성 데이터가 증강현실 헤드업 디스플레이에 통합될 경우 실시간 운전자 인식과 시스템 반응성에 어떤 영향을 미치는가?
• RQ5 확장 가능한 협동 인식 시스템은 실생활 네트워크 제약 조건 하에서도 저지연과 높은 데이터 관련성을 유지할 수 있는가?

주요 결과

• AICP 프로토타입은 증강현실 헤드업 디스플레이에 정보성 데이터를 통합할 때 추가 지연이 단 12.6ms에 불과하다.
• AICP는 덜 관련 있는 데이터 패킷을 필터링함으로써 채널 점유 시간을 크게 줄여 네트워크 효율성을 향상시킨다.
• 시스템의 경량 라우팅 프rotocol와 맞춤형 데이터 구조는 최소한의 오버헤드로 빠른 데이터 해석 및 전송을 가능하게 한다.
• 적합도 기반 정렬 알고리즘이 효과적으로 고인지적 관련성 있는 데이터를 우선순위로 정함으로써 운전자 상황 인식 능력을 향상시킨다.
• 대규모 네트워크 테스트에서 시스템은 저지연과 높은 데이터 관련성을 유지하며 확장 가능성을 입증했다.
• 실생활의 대역폭 제약 조건 하에서 AICP와 AR 헤드업 디스플레이의 통합은 실현 가능하고 효율적임을 입증했다.