低高度無線ネットワークにおける多UAV協調知覚のための大規模視覚モデルの活用

要旨: 複数の無人航空機（UAV）による協調認識は、補完的なマルチビュー観測を活用して無線通信を介して認識性能を向上させる、低高度域のさまざまな経済用途に対して有望なパラダイムとして浮上しています。
しかし、複数のUAVが生成する膨大な視覚データは、通信遅延とリソース効率の観点で重大な課題をもたらします。
これらの課題に対処するため、本論文は通信オーバーヘッドを削減しつつ認識性能を高める、Base-Station-Helped UAV (BHU)と称する通信効率の高い協調認識フレームワークを提案します。
具体的には、UAVが撮影したRGB画像から最も情報量の多い画素を識別するTop-K選択機構を採用し、データ量と遅延を削減したスパース化視覚伝送を実現します。
スパース化された画像は、マルチユーザーMIMO（MU-MIMO）を介して地上サーバへ送信され、Swin-largeベースのMaskDINOエンコーダが鳥瞰視点（BEV）特徴を抽出し、地上車両認識のための協調特徴融合を実行します。
さらに、拡散モデルに基づく深層強化学習（DRL）アルゴリズムを開発し、協調UAVの選択、スパース化比、およびプリコーディング行列を共同で選択して、通信効率と認識有用性のバランスを実現します。
Air-Co-Predデータセットを用いたシミュレーション結果は、従来のCNNベースのBEV融合ベースラインと比較して、提案されたBHUフレームワークが認識性能を5％以上向上させる一方、通信オーバーヘッドを85％削減することを示しており、リソース制約のある無線環境下でのマルチUAV協調認識に対する有効なソリューションを提供します。