日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

協調認識arXiv:2607.26283

HeteroPROMPT: リアルタイムかつプライバシー保護な異種協調認識フレームワーク

HeteroPROPMT: A Real-time and Privacy-Preserving Heterogeneous Collaborative Perception Framework

シェア:XThreadsFacebookLINEはてブBluesky

異なるセンサーやモデルを持つエージェント間の協調認識を、モジュール型プロンプトと軽量学習で特徴空間を統一し、プライバシーを保ちながらリアルタイムに実現するフレームワークを提案した。

詳しい要約

1. どんなもの?

HeteroPROMPTは、異種エージェント間のCollaborative Perception (CP)をリアルタイムかつプライバシー保護的に実現するフレームワーク。各エージェントの特徴を、モジュラープロンプトと軽量な学習ベースのチューニングにより、ego中心の統一特徴空間に迅速に整列させる。エージェントのエンコーダと協調融合・検出スタックは凍結したまま、visual promptベースの訓練と推論でBEV特徴をチャネル・空間位置にわたって変調する。メタデータ不要の展開のため、オートエンコーダがコンパクトな統一表現を学習し、共有特徴からモダリティ手がかりを抽出して、リアルタイムのモダリティ分類と適切なHeteroPROMPTモジュールへのルーティングを可能にする。

2. 先行研究と比べてどこがすごい?

既存の異種CP手法は、融合・検出コンポーネントの再訓練やモダリティ固有の特徴インタープリタを導入することが多く、新規参加エージェントへのスケーラビリティが低く、プロプライエタリなメタデータへのアクセスが必要でプライバシー問題があった。HeteroPROMPTは、エンコーダと融合・検出スタックを凍結したまま、モジュラープロンプトと軽量チューニングで特徴整列を行うため、スケーラブルで、メタデータ不要のモダリティ分類によりプライバシーを保護する点が優れている。

3. 技術・手法の肝は?

手法の肝は、各異種エージェントの特徴を統一空間に整列させるためのモジュラープロンプトと、軽量な学習ベースのチューニング。visual promptはBEV特徴をチャネル・空間位置で変調し、計算オーバーヘッドが低い。メタデータ不要の展開では、オートエンコーダがコンパクトな統一表現を学習し、共有特徴からモダリティ手がかりを抽出して、リアルタイムのモダリティ分類とルーティングを実現する。

4. どうやって有効だと検証した?

OPV2V-HとV2XSetデータセットで実験し、既存の最先端異種CP手法と比較してAverage Precisionを向上させた。また、訓練可能なパラメータ数は桁違いに少ない。展開時のモダリティ分類器は、コンパクトな特徴から99.99%以上の精度で参加エージェントのモダリティを予測した。

5. 議論はある?

要旨からは、提案手法の限界や潜在的な欠点についての議論は不明。ただし、プライバシー保護とスケーラビリティを両立する点で実用的な解決策を提供すると述べている。

6. 次に読むべき論文は?

要旨で参照されているデータセットはOPV2V-HとV2XSetであり、これらは協調認識の標準的なベンチマーク。関連手法として、既存の異種CP手法(具体的な名称は要旨にないが、特徴インタープリタや再訓練ベースの手法)が挙げられる。次に読むべき論文としては、これらのデータセットを提案した元の論文(OPV2VやV2XSet)や、協調認識のサーベイ論文が考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Armin Maleki, Hayder Radha

分類: cs.CV, cs.RO

原文アブストラクト

Collaborative Perception (CP) improves autonomous systems' awareness of their surroundings by sharing sensor data, intermediate features, and detection results. In real-world deployments, however, collaborating vehicles often use heterogeneous sensors, perception models, datasets, and training domains, creating feature-space shifts that degrade downstream fusion and detection. Existing approaches typically retrain fusion and detection components or introduce modality-specific feature interpreters. These methods scale poorly to newly joining agents and often require access to proprietary metadata, raising privacy concerns. We propose HeteroPROMPT, a real-time and privacy-preserving framework for heterogeneous collaborative perception. HeteroPROMPT rapidly aligns each heterogeneous agent's features with an ego-centric unified feature space through modular prompts and lightweight learning-based tuning, while keeping agent encoders and the collaborative fusion and detection stacks frozen. Its visual prompt-based training and inference modulate Bird's Eye View (BEV) features across channels and spatial locations with low computational overhead. For metadata-free deployment, an autoencoder learns a compact unified representation and extracts modality cues from shared features, enabling real-time modality classification and routing to the appropriate HeteroPROMPT modules without exposing proprietary agent information. Experiments on the OPV2V-H and V2XSet datasets show that HeteroPROMPT improves Average Precision over state-of-the-art heterogeneous CP methods while using orders of magnitude fewer trainable parameters. This offers a scalable and practical CP solution. The proposed modality classifier also predicts the joining agent's modality from compact features with greater than 99.99 percent accuracy during deployment. Code will be available at https://github.com/arminmaleki007/HeteroPROMPT.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI