3D物体检测专家系统的最佳组合:准确性,效率和适应性的游戏
IEEE transactions on pattern analysis and machine intelligence
|September 22, 2025
概括
新的基于边缘的专家组合最佳传感 (EMOS) 系统通过平衡精度和速度来提高自动驾驶汽车的感知. EMOS实现了最先进的性能,在复杂的驾驶场景中实现了更安全,更有效的实时物体检测.
科学领域:
- 计算机视觉 计算机视觉
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
背景情况:
- 实时对象检测对于自主系统至关重要.
- 高精度模型经常面临延迟和计算挑战.
- 现有的系统难以平衡准确性,速度和适应性.
研究的目的:
- 介绍基于边缘的专家组合最佳传感 (EMOS) 系统.
- 应对共同实现精度,延迟和场景适应性的挑战.
- 在开放世界的自动驾驶场景中展示性能.
主要方法:
- 使用自适应式多式联络数据桥,接多式联络传感器流.
- 使用场景意识的专家组合 (MoE) 开关进行自适应专家激活.
- 利用分层反向传播和多尺度聚合来实现可扩展的模型容量.
- 实现边缘优化的运行时间,以加速器意识的调度和高效的数据处理.
主要成果:
- 在基准数据集 (KITTI,nuScenes) 上,EMOS取得了最先进的结果.
- 在Nvidia Jetson等边缘设备上展示了显著的加速度 (高达15.35x).
- 提高准确度指标 (例如AP,mAP,NDS),同时减少模型参数.
- 在各种驾驶条件下保持明确的延迟/准确性预算.
结论:
- 埃莫斯为自动驾驶汽车提供了一个准确,高效和适应边缘的感知系统.
- 该系统利用多式联运数据和智能专家合作,实现强大的性能.
- 在现实世界的自动驾驶场景中,EMOS确保了及时和可靠的响应.
