[论文解读] AutoCast: Scalable Infrastructure-less Cooperative Perception for Distributed Collaborative Driving

Hang Qiu, Pohan Huang+4 more|arXiv (Cornell University)|Dec 30, 2021

Vehicular Ad Hoc Networks (VANETs)被引用 10

一句话总结

AutoCast 提出了一种可扩展的、无需基础设施的协同感知系统，专为自动驾驶汽车设计，通过直接的车对车（V2V）通信共享激光雷达点云。该系统基于目标可见性和轨迹相关性，采用分布式调度算法优先传输信息，在密集交通场景下实现 2–4 倍的安全关键目标可见性提升，同时保持低开销并达到近似最优性能。

ABSTRACT

Autonomous vehicles use 3D sensors for perception. Cooperative perception enables vehicles to share sensor readings with each other to improve safety. Prior work in cooperative perception scales poorly even with infrastructure support. AutoCast enables scalable infrastructure-less cooperative perception using direct vehicle-to-vehicle communication. It carefully determines which objects to share based on positional relationships between traffic participants, and the time evolution of their trajectories. It coordinates vehicles and optimally schedules transmissions in a distributed fashion. Extensive evaluation results under different scenarios show that, unlike competing approaches, AutoCast can avoid crashes and near-misses which occur frequently without cooperative perception, its performance scales gracefully in dense traffic scenarios providing 2-4x visibility into safety critical objects compared to existing cooperative perception schemes, its transmission schedules can be completed on the real radio testbed, and its scheduling algorithm is near-optimal with negligible computation overhead.

研究动机与目标

• 解决现有依赖基础设施或受网络瓶颈限制的协同感知系统的可扩展性局限。
• 实现实时、直接的车对车原始激光雷达点云共享，突破视距限制以扩展感知能力。
• 开发一种基于可见性和轨迹相关性优先级的分布式调度机制，以最小化信道拥塞。
• 确保系统在密集交通中具备低计算开销和实际无线环境可行性，且运行可靠。
• 在保持低延迟感知的同时实现接近最优的传输调度，以支持安全的自动驾驶决策。

提出的方法

• 利用空间推理判断哪些目标被遮挡，并基于位置关系和运动轨迹确定其对其他车辆的相关性。
• 采用基于奖励的调度模型，根据可见性增益和对接收车辆的相关性，为对象分配归一化的优先级。
• 实施一种分布式、时隙化的调度算法，在每个决策周期内独立计算传输顺序，无需集中协调。
• 集成轻量级元数据交换（如目标位姿、速度、可见性状态），以实现车辆间的高效协同。
• 优化感知与规划流水线，确保每帧点云处理时间低于 100 毫秒，保障实时性能。
• 在真实无线测试平台上验证系统，确认在实际无线条件下具备传输可行性。

实验结果

研究问题

• RQ1 协同感知能否在不依赖基础设施支持的情况下扩展至密集交通场景？
• RQ2 车辆如何智能选择共享哪些对象，以在最大化感知收益的同时最小化无线信道拥塞？
• RQ3 何种调度策略可实现在动态交通环境中分布式、低开销的 V2V 点云共享协调？
• RQ4 与非协同或简单协同方案相比，该系统在可见性提升和碰撞避免方面的表现如何？
• RQ5 所提出的调度算法能否在真实无线环境下实现接近最优性能，且计算开销极低？

主要发现

• AutoCast 通过突破视距限制扩展了感知范围，在密集交通场景中显著减少了碰撞和近似碰撞事件，而传统非协同感知则无法实现此效果。
• 在 20 辆车的场景中，与现有协同感知方法相比，AutoCast 对安全关键目标的可见性提升了 2–4 倍。
• 系统在真实无线电测试平台上具备可行的传输调度，证实了其在实际部署中的可行性。
• 调度算法在计算开销可忽略不计的前提下实现了接近最优性能，同时保持了低于 100 毫秒的处理延迟。
• 基于归一化奖励度量的对象优先级策略，相比无差别或随机调度，显著降低了预定延迟。
• 即使在存在多重遮挡和动态参与者的复杂城市交叉路口，系统仍能保持高性能表现。