低带宽协同感知的空间弹性共识方法
针对车载通信预算受限问题,本文提出 Spatial Elastic Consensus (SEC) 框架,通过双向供需共识分配令牌预算以聚焦关键缺失证据而非冗余信息。该方法采用反膨胀先处理流程确保预算精确合规,并利用轻量形变采样器聚合稀疏消息以补偿空间上下文与姿态漂移。在 OPV2V、V2XSet 及 DAIR-V2X 数据集上,SEC 在 64KiB 严格预算下均取得最佳 [email protected] 性能。
针对车载通信预算受限问题,本文提出 Spatial Elastic Consensus (SEC) 框架,通过双向供需共识分配令牌预算以聚焦关键缺失证据而非冗余信息。该方法采用反膨胀先处理流程确保预算精确合规,并利用轻量形变采样器聚合稀疏消息以补偿空间上下文与姿态漂移。在 OPV2V、V2XSet 及 DAIR-V2X 数据集上,SEC 在 64KiB 严格预算下均取得最佳 [email protected] 性能。
论文提出 DRaGAN,一种针对多雷达点云的动态图注意力网络,旨在解决稀疏点和传感器相对各向异性导致的 LiDAR 编码器次优问题。该方法引入基于传感器的角度和距离傅里叶编码以捕捉固定孔径特性,沿视线方向设置门控短长程枢纽节点以实现高效局部全局消息传递,并通过注意力引导的动态重连剪枝弱边并限制潜在连接至两跳邻域。
NVIDIA Deep Learning Accelerator (DLA) 平台通过专用硬件加速边缘端深度学习推理,将计算负载从 GPU 卸载以提升能效。该技术已在 NVIDIA Jetson AGX Orin 上实现原生 DLA 推理支持,允许开发者在 Python 环境中直接调用 cuDLA 库运行多神经网络应用。
Lucid 在 VISION 2026 发布 Triton All-in-One,将 Sony IMX900 传感器、可调焦液镜与照明整合为单包,支持条码读取等场景。其 Giga 3.0 RDMA 演示通过双 100 Gb/s 上行链路连接 NVIDIA DGX Spark,实现 20 相机架构最高 200 Gb/s 吞吐及微秒级网络同步。
汽车零部件供应商爱信与日本东北大学合作开发出一款采用16纳米工艺的AI系统集成芯片(SoC)。该芯片集成自旋转移矩磁阻随机存取存储器(STT-MRAM)技术,无需外部DRAM或固态硬盘存储模型。
针对多模态鸟瞰图(BEV)感知模型对传感器损坏高度脆弱的痛点,论文提出 Grace-BEV 轻量级框架。该框架在 Lift-Splat-Shoot 检测器中引入 LiDAR 引导的图像 -BEV 专家与独立的视觉专家,通过 TrustGate Router 学习样本级混合输出,并利用 FailSafe Fusion Block 进行重校准。
在 AI 工厂中,高带宽内存(HBM)是速度最快但成本最高的存储层级。NVIDIA 指出,冗余权重拷贝、空闲会话的 KV 缓存或重新计算的前缀均浪费字节资源。核心问题已从 GPU 拥有多少内存转变为每字节能产生多少有效工作产出。
MiCaDe 是一种无需标定靶或修改感知栈的在线方案,用于检测激光雷达与相机的外参是否发生漂移。该方法利用标准目标检测器生成的 3D 和 2D 边界框在正确标定下应保持几何一致性的洞察,通过匹配跨模态检测结果推导几何一致性指标,并将其聚合为固定大小批次以生成似然流。
推荐理由:提出无需标定靶的在线外参漂移检测方法,利用跨模态检测几何一致性实现低误报率监控。
本文介绍 UBD-Bench 基准,用于研究多模态感知中的单模态分支退化问题。研究发现相机分支在多模态联合训练后普遍出现性能下降,而激光雷达分支变化较弱且依赖模型差异。通过分层探测定位到视觉骨干网络至 BEV 转换路径存在严重退化。作者提出在退化表示层面进行单模态到多模态的蒸馏干预,该方法在所有四个感知任务中均提升了相机分支探测性能和全模型表现。
NVIDIA 推出 DOCA GPUNetIO,旨在让 GPU 应用的网络与数据传输行为如同由 GPU 直接控制的操作,而非依赖主机驱动服务。该技术通过消除 CPU 在网络事务中间的瓶颈,降低延迟并提升分布式应用的实时响应效率。此方案统一了 NVIDIA 软件栈中的 GPU 发起式网络架构,解决关键路径上的性能限制问题。