文献

J-GLOBAL ID：202002221555650246   整理番号：20A2144982

誰が2com:学習可能なハンドシェイク通信による協調知覚【JST・京大機械翻訳】

Who2com: Collaborative Perception via Learnable Handshake Communication

著者 (6件)： Liu Yen-Cheng (Georgia Institute of Technology) ,  Tian Junjiao (Georgia Institute of Technology) ,  Ma Chih-Yao (Georgia Institute of Technology) ,  Glaser Nathan (Georgia Institute of Technology) ,  Kuo Chia-Wen (Georgia Institute of Technology) ,  Kira Zsolt (Georgia Institute of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICRA  ページ： 6876-6883  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,ロボットが認識タスクにおける精度を改善するために,学習可能な方法でそれらの局所観察を隣接エージェントのそれらと結合できる協調知覚の問題を提起する。ロボット工学とマルチエージェント強化学習における既存の研究とは異なり,意味的セグメンテーションのようなシーン理解タスクを最適化するために,学習情報を帯域幅に敏感な方法でエージェントの集合を通して共有しなければならないものとして問題を定式化した。ネットワーク通信プロトコルに触発されて,著者らは,ニューラルネットワークが各段階に必要な関連情報を圧縮するために学習できる多段ハンドシェイク通信機構を提案する。特に,劣化センサデータを持つターゲットエージェントは圧縮要求を送付し,他のエージェントはマッチングスコアに応答し,ターゲットエージェントは(即ち,受信情報)と接続する。さらに,航空ロボットグループが道路,草原,建物などの多様な景観を知覚するAirSimシミュレータに基づくAirSim-CPデータセットとメトリックスを開発した。意味的セグメンテーションタスクに対して,ハンドシェイク通信法は分散ベースラインよりも約20%の精度を著しく改善し,帯域幅の4分の1を用いて集中化のものに匹敵することを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  航空輸送 ,  シミュレータ ,  セグメンテーション ,  ネットワーク ,  ロボット ,  道路 ,  ニューラルネットワーク ,  *通信 ,  帯域幅 ,  草原 ,  定式化 ,  エージェント ,  強化学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 学習 ,  ハンドシェイク ,  協調 ,  知覚