Resumo Técnico: Hyper-V2X

Declaração do Problema

A Percepção Cooperativa (CP) via comunicação Veículo-para-Tudo (V2X) aprimora significativamente a segurança da condução autónoma ao estender o alcance perceptivo de veículos individuais através de dados sensoriais partilhados. Embora avanços recentes na fusão multiagente tenham melhorado o desempenho em tarefas como segmentação semântica em Vista de Pássaro (BEV), a quantificação da incerteza preditiva dentro dessas estruturas cooperativas permanece amplamente inexplorada.

Redes neurais profundas (DNNs) utilizadas em Veículos Autónomos Conectados (CAVs) são famintas por dados e pesadas em parâmetros. Em ambientes V2X, a complexidade e o custo de recolha de conjuntos de dados anotados sincronizados e multiagente criam gargalos, aumentando o risco de previsões erróneas. Os métodos atuais de estimativa de incerteza, como Redes Neurais Bayesianas (BNNs) e Ensembles Profundos, são frequentemente proibitivos do ponto de vista computacional para modelos cooperativos massivos devido à necessidade de treinar múltiplos modelos de ensemble ou gerar distribuições completas de parâmetros. Além disso, a quantificação de incerteza existente na CP focou-se principalmente na deteção de objetos, deixando uma lacuna na abordagem das complexidades específicas da segmentação semântica cooperativa em BEV, como ruído de comunicação e fusão de características.

Metodologia: Hyper-V2X

O artigo apresenta o Hyper-V2X, um framework baseado em hiper-rede projetado para estimar tanto incertezas epistémicas (incerteza do modelo) quanto aleatórias (incerteza dos dados) na segmentação cooperativa em BEV com sobrecarga computacional mínima. O framework é agnóstico à arquitetura e integra-se perfeitamente com backbones cooperativos modernos, demonstrado aqui utilizando o CoBEVT.

A metodologia consiste em três componentes principais:

1. Rede Primária de Percepção Cooperativa

O sistema trata o modelo de segmentação cooperativa em BEV como uma "rede primária" ($F_\theta$). Os parâmetros $\theta$ são decompostos em parâmetros do codificador ($\theta_{enc}$) e parâmetros do decodificador ($\theta_{dec}$). O codificador processa imagens multi-visão de veículos conectados, fundindo-as num mapa de características unificado em BEV ($G$) dentro do sistema de coordenadas do veículo ego.

2. Embedding de Contexto V2X

Para abordar o desafio de condicionar uma hiper-rede a espaços de parâmetros de alta dimensão, os autores propõem um módulo de embedding de contexto V2X. Em vez de depender exclusivamente de ruído aleatório, a hiper-rede é condicionada num sinal aprendível e específico da tarefa, derivado das características agregadas em BEV ($G$) produzidas pelo codificador.

• Um vetor de contexto global ($z_b$) é calculado através da média do mapa de características fundido em BEV ao longo das dimensões espaciais.
• Este vetor serve como uma entrada de condicionamento adaptativa, permitindo que a hiper-rede gere pesos conscientes do contexto multiagente específico.

3. Geração Parcial de Pesos e Hiper-rede Bayesiana

Para garantir eficiência, o framework emprega uma estratégia de geração parcial de pesos:

• Os parâmetros do codificador ($\theta_{enc}$) são otimizados diretamente dentro da rede primária.
• A hiper-rede Bayesiana ($h_\phi$) gera apenas os parâmetros do decodificador ($\theta_{dec}$).
• A hiper-rede prevê a média ($\mu$) e a log-variação ($\log \sigma^2$) de uma distribuição posterior Gaussiana sobre os pesos do decodificador.
• Durante a inferência, a amostragem de Monte Carlo (MC) extrai $K$ conjuntos de pesos do decodificador desta distribuição, produzindo $K$ previsões estocásticas de segmentação em BEV.

Estimativa de Incerteza

• Incerteza Epistémica ($U_E$): Calculada como a variância entre as $K$ previsões estocásticas. Reflete a confiança do modelo nos seus pesos aprendidos.
• Incerteza Aleatória ($U_A$): Estimada a partir da entropia da distribuição preditiva média entre as $K$ amostras, capturando ruído inerente nas observações dos sensores e ambiguidade nos dados.

Principais Contribuições

O artigo delineia quatro contribuições principais:

1. Formulação de Hiper-rede Bayesiana: Uma abordagem inovadora para percepção cooperativa que estima conjuntamente incertezas epistémicas e aleatórias na segmentação em BEV com sobrecarga computacional mínima.
2. Embedding de Contexto V2X: Um módulo de embedding aprendível que condiciona a hiper-rede a características fundidas multiagente, permitindo a geração de pesos consciente do contexto e agnóstica à arquitetura.
3. Geração Parcial de Pesos: Uma estratégia que evita gerar o conjunto completo de parâmetros do modelo (focando apenas no decodificador), tornando a estimativa de incerteza escalável para modelos cooperativos massivos.
4. Avaliação Abrangente: Experimentos extensivos e estudos de ablação no benchmark OPV2V demonstrando estimativas de incerteza precisas e bem calibradas e desempenho de segmentação melhorado sob condições de comunicação variáveis.

Resultados Experimentais

Os experimentos foram conduzidos no conjunto de dados OPV2V (Camera-Track), utilizando uma região de avaliação de 100m $\times$ 100m.

• Desempenho de Segmentação: O Hyper-V2X alcançou um IoU de Veículo de 61,4%, superando bases de estado da arte como CoBEVT (60,4%) e FuseBEVT (59,0%).
• Calibração de Incerteza: Comparado com bases de MC Dropout, o Hyper-V2X demonstrou calibração superior com menor Erro de Calibração Esperado (ECE: 0,014 vs. 0,0168 para MC Dropout 0,1), menor Pontuação Brier (BS) e Negativa Log-Verossimilhança (NLL) competitiva.
• Robustez à Compressão: O sistema foi testado sob taxas de compressão de comunicação variáveis (CPR). À medida que a largura de banda diminuía (CPR 0 a 64), o desempenho de segmentação degradava, mas os mapas de incerteza do Hyper-V2X capturavam efetivamente essa degradação, mostrando incerteza progressivamente maior em regiões vulneráveis.
• Estudos de Ablação: A remoção do embedding de contexto V2X e a dependência exclusiva de ruído Gaussiano resultaram numa queda no IoU (58,4% vs. 61,4%) e num ECE mais elevado, validando a necessidade de condicionamento consciente do contexto.

Significado e Alegações

O artigo alega que o Hyper-V2X aborda uma lacuna crítica na percepção cooperativa ao fornecer um framework principiado e eficiente para a tomada de decisões consciente de incerteza. Ao contrário de modelos determinísticos em BEV existentes ou métodos de ensemble computacionalmente caros, o Hyper-V2X permite estimativa de incerteza fiável com pouca sobrecarga computacional.

Os autores enfatizam que tais previsões conscientes de incerteza são particularmente valiosas em sistemas V2X do mundo real, onde limitações de largura de banda e perdas de comunicação são desafios inerentes. Ao fornecer estimativas de incerteza bem calibradas, o framework permite que tarefas a jusante (como planeamento de movimento) ponderem ou descartem adequadamente previsões não fiáveis, melhorando assim a segurança global e a fiabilidade dos sistemas autónomos conectados. O código e o benchmark são lançados sob uma licença de código aberto para facilitar investigação futura.