LR-V2X: Loss-Resilient Collaborative Perception under Low-Bandwidth Communication¶
论文信息¶
- 论文标题：LR-V2X: Loss-Resilient Collaborative Perception under Low-Bandwidth Communication
- 作者：Kang Yang, Tianci Bu, Peng Wang, Deying Li, Yongcai Wang
- 机构：中国人民大学 (Renmin University of China)、香港科技大学 (HKUST)、河北省实虚融合自主系统重点实验室 (RIAS)
- 论文链接：arXiv:2610.11264
- 代码链接：GitHub
- 发表会议：NeurIPS 2026
动机与核心思想¶
背景与痛点¶
车联网协同感知 (V2X Collaborative Perception) 能够打破单车视野与感知距离的物理限制，通过多车或车路间的信息共享显著增强复杂交通环境下的自动驾驶安全性。目前主流的中间特征融合范式主要通过交换鸟瞰图 (Bird's-Eye-View, BEV) 特征图来实现感知精度与通信量的平衡。然而，在实际车联网部署中，无线信道带宽极度受限且存在不可预测的随机丢包 (Packet Loss)：
- 密集特征融合的高带宽依赖：经典密集 BEV 融合方法（如 F-Cooper、AttnFuse、V2X-ViT）每帧传输庞大的稠密特征（高达 8MB），其对恶劣丢包展现出的一定鲁棒性本质上源自极高的空间信息冗余，但在实际低带宽信道下根本无法部署。
- 紧凑通信方法在丢包下的脆弱性：针对带宽限制提出的紧凑通信方法（如基于离散码本的 CodeFilling 或空间剪枝方法）将特征压缩至 128KB 左右，然而一旦遭遇传输丢包，接收端特征图将出现不可忽视的空间空洞，缺少从残缺紧凑潜在表示中恢复完整特征的主动重建机制。
- 丢包引发的严重分布偏移 (Distribution Shift)：丢包不仅带来局部观测缺失，还会导致特征分布的系统性偏移。马氏距离分析表明，在 90% 丢包下，接收特征与理想无丢包参考分布相比产生了严重的质心偏移与离群值激增，使得在完整通信下训练的融合模块难以正常工作。
核心思想与切入点¶
针对上述困境，本文提出了 LR-V2X（Loss-Resilient V2X），开创了一种“粗精两级潜在空间重构”范式： - 粗粒度空间外推：设计潜在先验解码器 (Latent Prior Decoder, LPD)，利用具备重叠感受野的转置卷积层，将遭遇空间丢包的残缺紧凑潜在特征外推扩散到缺失网格，构建出空间连续且具有合理几何尺度的粗糙 BEV 先验图。 - 细粒度上下文去噪：构建以本车 (Ego) 观测上下文为条件的噪声条件 DiT (Diffusion Transformer) 重构器。鉴于本车与协同车辆通常共享较大的场景重叠视场，利用对齐后的本车 BEV 特征作为跨注意力机制的锚点，引导扩散去噪模型在单步前向推理中对粗糙先验进行自适应修复与纹理增强。 - 免丢包场景模拟的训练泛化：整个重构网络仅需在无丢包的完整通信环境下训练。通过在前向过程中对先验图注入可变强度的高斯噪声扰动，模型天然学会了从不同损坏程度的先验中恢复真实特征，进而在测试时无需重新训练即可零样本适应 0% 至 90% 的任意丢包率及块状突发丢包场景。
方法详解¶
整体框架¶
LR-V2X 采用先编码压缩、再信道传输、后两级先验引导重构、最后多尺度融合检测的处理流。系统整体流程如下流程图所示：
flowchart TD
subgraph Collaborator["协作者节点 (Collaborator Agent i)"]
Xi["原始 BEV 特征 Xi (128x256x64)"] --> Enc["紧凑潜在编码器 E"]
Enc --> Si["紧凑潜在特征 Si (16x32x64, 128KB)"]
end
subgraph Channel["无线信道 (Wireless Channel)"]
Si --> Drop["随机丢包掩码 M_i->0 (Bernoulli/Burst)"]
Drop --> Stilde["残缺接收潜在 S~i"]
end
subgraph Ego["本车节点 (Ego Vehicle Agent 0)"]
X0["本车 BEV 特征 X0"] --> WarpEgo["坐标系变换对齐 W(X0, T0->i)"]
WarpEgo --> X0align["对齐本车特征 X0^aligned"]
Stilde --> LPD["潜在先验解码器 (LPD)"]
LPD --> Xprior["粗糙 BEV 先验图 Xi^prior"]
Xprior --> Perturb["噪声扰动加噪 (t_inf)"]
Perturb --> Xit["含噪输入 Xi^(t)"]
Xit --> DiT["噪声条件 DiT 重构器 f_theta_r"]
Stilde --> DiT
X0align --> DiT
T0i["位姿变换 T0->i"] --> DiT
DiT --> Xhat["恢复协作者 BEV 特征 X^i"]
Xhat --> WarpBack["逆向对齐变换 W(X^i, Ti->0)"]
WarpBack --> Xbar["本车系对齐特征 X_bar_i"]
X0 --> Fusion["多智能体金字塔融合网络 F"]
Xbar --> Fusion
Fusion --> Det["3D 目标检测头 D"]
Det --> Output["3D 目标检测预测框 Y^"]
end关键设计¶
1. 紧凑潜在特征表示与通信建模
协作者 \(A_i\) 本地传感器点云经由 PointPillars 编码生成局部 BEV 特征 \(X_i \in \mathbb{R}^{H \times W \times C}\)（实验中 \(H=128, W=256, C=64\)）。为了严格满足低带宽预算 \(B\)，设计紧凑卷积编码器 \(\mathcal{E}(\cdot; \bm{\theta}_e)\) 将其空间尺寸下采样 8 倍，生成形状为 \(h \times w \times C'\)（即 \(16 \times 32 \times 64\)）的潜在特征 \(S_i\)。在 float32 格式下，单帧传输负载严格限制在 128KB，较 8MB 的密集 BEV 降低了 64 倍。在信道传输过程中，定义空间网格粒度的随机丢包掩码 \(M_{i \to 0}(u, v) \sim \text{Bernoulli}(p)\)，本车实际接收到的特征张量为 \(\tilde{S}_i = S_i \odot M_{i \to 0}\)。
2. 基于重叠转置卷积的潜在先验解码器 (LPD)
直接令 Transformer 从稀疏残缺的紧凑潜在张量 \(\tilde{S}_i\) 回归全分辨率 BEV 特征是一个高度病态的逆问题。为此，LPD 承担确定性先验生成器的角色。LPD 堆叠了 4 层转置卷积层，各层卷积核均具有重叠感受野，将分辨率从 \((h, w)\) 逐步放大回原始 BEV 分辨率 \((H, W)\)：
$\(X_i^{\text{prior}} = \text{LPD}(\tilde{S}_i)\)$
即便在训练期间 LPD 仅接触完整特征 \(S_i\)，由于卷积核在空间维度的重叠滑移，测试时残存网格的响应能够平滑扩散到相邻的丢包空洞中，从而自底向上生成一张虽然细节模糊但拓扑连续、粗糙对齐的 BEV 先验图 \(X_i^{\text{prior}}\)。
3. 融入本车几何上下文的噪声条件 DiT 重构器
为消除粗糙先验中的伪影并补全缺失的精细几何结构，引入基于 Diffusion Transformer (DiT-B) 架构的条件去噪重构器。与从纯高斯噪声采样的传统生成模型不同，本模型以 LPD 生成的粗糙先验为物理起点。在训练时，向 \(X_i^{\text{prior}}\) 中注入高斯噪声：
$\(X_i^{(t)} = \sqrt{\bar{\alpha}_t} X_i^{\text{prior}} + \sqrt{1 - \bar{\alpha}_t} \epsilon, \quad \epsilon \sim \mathcal{N}(0, I)\)$
网络采用单步 \(x_0\)-prediction 范式进行去噪预测。重构过程深度融合了多维上下文条件：
- 全局自适应层归一化 (AdaLN)：通过 MLP 投影融合时间步编码、残缺特征全局池化、本车特征全局池化以及相对位姿矩阵：
$\(c = \phi_t(t) + \phi_S(\operatorname{pool}(\tilde{S}_i)) + \phi_X(\operatorname{pool}(X_0^{\text{aligned}})) + \phi_T(T_{0 \to i})\)$
- 双重交叉注意力机制 (Cross-Attention)：将本车 BEV 特征通过双线性插值变换至协作者坐标系 \(X_0^{\text{aligned}} = \mathcal{W}(X_0, T_{0 \to i})\)，与接收特征 \(\tilde{S}_i\) 沿通道拼接构成 Key/Value 序列。本车视角为协作者盲区或丢包空洞提供了强有力的空间几何支撑。
4. 单步确定性推理与鲁棒融合
在实际自动驾驶部署中，多步扩散迭代所带来的时延是不可承受的。LR-V2X 在测试时直接选取固定的高斯噪声扰动步长 \(t_{\text{inf}} = 700\)，对 LPD 先验加噪后仅需执行一次 DiT 前向传播即可预测出重建特征 \(\hat{X}_i = f_{\bm{\theta}_r}(X_i^{(t_{\text{inf}})}, t_{\text{inf}}, \tilde{S}_i, X_0^{\text{aligned}}, T_{0 \to i})\)。重建出的特征再通过仿射变换逆变换回本车坐标系 \(\bar{X}_i = \mathcal{W}(\hat{X}_i, T_{i \to 0})\)，与本车自身特征送入 ResNeXt 特征金字塔融合模块与 3D 检测头完成最终预测。
一个完整示例¶
以两辆协同车辆在交叉路口进行感知的典型场景为例，跟踪完整张量流动与变换维度： 1. 点云编码与特征生成：协作者 \(A_1\) 的激光雷达点云进入 PointPillars 骨干网，输出维度为 \(128 \times 256 \times 64\) 的 BEV 特征 \(X_1\)。 2. 下采样编码压缩：\(X_1\) 经由 3 层跨步卷积压缩为 \(16 \times 32 \times 64\) 的紧凑潜在表示 \(S_1\)。 3. 恶劣丢包信道传输：在 90% 丢包率（\(p=0.1\)）的信道下，掩码 \(M_{1 \to 0}\) 使得仅有 10% 的离散空间单元成功送达本车，有效负载仅 12.8KB。 4. 粗糙先验外推构建：本车接收端调用 LPD，4 层转置卷积核重叠覆盖，缺失的 90% 区域被邻近特征平滑插值填补，恢复至 \(128 \times 256 \times 64\) 的先验特征 \(X_1^{\text{prior}}\)。 5. 本车特征变换对齐：本车自身提取出的 BEV 特征 \(X_0\) 依据相对外参 \(T_{0 \to 1}\) 进行仿射双线性变换，生成对齐至协作者视角的 \(X_0^{\text{aligned}} \in \mathbb{R}^{128 \times 256 \times 64}\)。 6. 噪声注入与 DiT 单步去噪：对 \(X_1^{\text{prior}}\) 在 \(t_{\text{inf}}=700\) 注入噪声得到 \(X_1^{(700)}\)；DiT-B（12 层，隐藏层 768，patch 大小 4）将特征切分为 patch 序列，结合 \(c\) 的 AdaLN 调制，并在 Cross-Attention 中查询拼接上下文 \([\tilde{S}_1; X_0^{\text{aligned}}]\)，单步前向直接回归出精细的协作者特征 \(\hat{X}_1\)。 7. 融合与 3D 检测：\(\hat{X}_1\) 变换回本车坐标系得到 \(\bar{X}_1\)，与 \(X_0\) 在金字塔融合网络中聚合，检测头在 6.04 FPS 的高帧率下准确输出交叉路口被遮挡车辆的高精度 3D 定位框。
损失函数 / 训练策略¶
为了保证重构网络对未知丢包场景的充分泛化，模型采用了三阶段分步训练策略：
- 第一阶段：基线检测系统预训练 (Baseline Detection)
在理想无丢包通信环境下，对 PointPillars 编码器、ResNeXt 特征金字塔融合模块及检测头进行联合训练（40 个 epoch，batch size 为 8，初始学习率 \(2 \times 10^{-3}\)）。分类分支采用 Sigmoid Focal Loss (\(\alpha=0.25, \gamma=2.0\))，回归分支采用加权 Smooth L1 Loss (\(\sigma=3.0\))，辅以多尺度金字塔损失（权重分别为 0.4、0.2、0.1）。 - 第二阶段：重构模型独立训练 (Reconstructor Training)
冻结第一阶段训练好的传感器编码器、融合骨干与检测头。在无丢包条件（\(S_i\) 完整）下，随机在 \(\{1, \dots, T\}\) 中均匀采样时间步 \(t\)，利用均方误差优化 \(x_0\)-prediction 目标： $\(\mathcal{L}_{\text{diff}} = \mathbb{E}_{t, \epsilon} \left[ \| f_{\bm{\theta}_r}(X_i^{(t)}, t, S_i, X_0^{\text{aligned}}, T_{0 \to i}) - X_i \|^2 \right]\)$ 该阶段训练 100 个 epoch（batch size 为 12，学习率 \(2 \times 10^{-4}\)），使模型在先验遭受不同程度噪声破坏时均具备强健的恢复能力。 - 第三阶段：端到端全局微调 (End-to-End Fine-tuning)
保持底层点云传感器特征提取器冻结，放开潜在编码器、LPD、DiT 重构器、融合骨干及检测头进行端到端联合微调（20 个 epoch，学习率 \(2 \times 10^{-4}\)）。总优化损失定义为： $\(\mathcal{L}_{\text{total}} = \lambda_{\text{det}} \mathcal{L}_{\text{det}}(\mathcal{D}(\mathcal{F}(\{\bar{X}_i\})), Y) + \lambda_{\text{diff}} \mathcal{L}_{\text{diff}}\)$ 实验中设置平衡权重 \(\lambda_{\text{det}} = 1.0, \lambda_{\text{diff}} = 0.1\)。
实验结果与分析¶
主实验结果¶
评估在两大真实车联网数据集 DAIR-V2X（车路协同 V2I）与 V2XREAL（真实车车协同 V2V，LiDAR-only 模式）上展开，统一采用 PointPillars 骨干网，测试时对比无丢包（0%）与极限恶劣丢包（90%）环境。
下表详细对比了 V2XREAL 数据集上的各类目 AP 及总体 mAP 表现：
| 模型方案 | 车辆 [email protected]/0.5/0.7 | 行人 [email protected]/0.5/0.7 | 卡车 [email protected]/0.5/0.7 | [email protected]/0.5/0.7 (%) | 通信量 | FPS |
|---|---|---|---|---|---|---|
| 无丢包参考条件 | ||||||
| No Fusion (单车) | 32.27 / 17.20 / 1.31 | 36.39 / 30.91 / 10.79 | 55.11 / 52.76 / 37.14 | 41.26 / 33.63 / 16.41 | 0 KB | 2.47 |
| Early Fusion (点云) | 68.17 / 64.73 / 40.03 | 33.53 / 17.14 / 0.87 | 27.22 / 25.57 / 14.18 | 42.97 / 35.81 / 18.36 | ~2.4 MB | 1.03 |
| Late Fusion (目标级) | 32.54 / 16.23 / 1.17 | 34.12 / 30.13 / 13.70 | 61.55 / 58.96 / 38.99 | 42.73 / 35.10 / 17.96 | \(\le\) 5.4 KB | 1.21 |
| LR-V2X (Ours) | 76.70 / 73.85 / 49.58 | 35.98 / 17.40 / 1.12 | 48.38 / 43.60 / 32.64 | 53.69 / 44.95 / 27.78 | 128 KB | 1.54 |
| 90% 极端丢包条件 | ||||||
| AttnFuse | 59.35 / 55.93 / 39.25 | 29.30 / 15.20 / 1.08 | 39.00 / 35.50 / 20.66 | 42.55 / 35.54 / 20.33 | 8 MB | 1.24 |
| F-Cooper | 57.94 / 54.22 / 38.00 | 31.92 / 16.31 / 1.08 | 37.60 / 32.40 / 12.60 | 42.49 / 34.30 / 17.21 | 8 MB | 0.82 |
| CoBEVT | 51.54 / 46.45 / 30.60 | 25.25 / 11.35 / 0.50 | 39.99 / 34.98 / 15.82 | 38.92 / 30.93 / 15.64 | 8 MB | 0.82 |
| V2X-ViT | 49.37 / 46.18 / 31.40 | 34.23 / 17.77 / 1.38 | 38.60 / 32.90 / 24.00 | 40.73 / 32.29 / 18.93 | 8 MB | 0.70 |
| CodeFilling | 62.14 / 57.95 / 39.36 | 16.41 / 12.92 / 0.60 | 43.07 / 39.19 / 29.52 | 40.54 / 36.69 / 23.16 | 128 KB | 1.68 |
| HEAL | 62.31 / 60.85 / 39.29 | 26.53 / 12.96 / 0.99 | 40.36 / 39.09 / 27.10 | 43.07 / 37.64 / 21.79 | 8 MB | 1.61 |
| GenComm (DDIM) | 63.11 / 56.60 / 30.38 | 12.99 / 3.83 / 0.15 | 33.33 / 29.97 / 17.48 | 36.48 / 30.14 / 16.00 | 128 KB | 0.37 |
| LR-V2X (Ours) | 64.60 / 63.59 / 46.31 | 28.55 / 12.23 / 1.09 | 41.48 / 39.98 / 25.12 | 44.87 / 38.60 / 24.18 | 128 KB | 1.54 |
下表汇报了 DAIR-V2X 数据集上按感知距离（短/中/长距离）划分的性能指标：
| 模型方案 | 短距 [email protected]/0.5/0.7 | 中距 [email protected]/0.5/0.7 | 长距 [email protected]/0.5/0.7 | [email protected]/0.5/0.7 (%) | 通信量 | FPS |
|---|---|---|---|---|---|---|
| 无丢包参考条件 | ||||||
| No Fusion (单车) | 79.25 / 77.24 / 70.12 | 75.70 / 72.49 / 62.20 | 54.78 / 51.06 / 37.94 | 62.51 / 59.33 / 49.67 | 0 KB | 8.70 |
| Early Fusion (点云) | 84.47 / 81.40 / 68.88 | 78.60 / 72.88 / 56.54 | 59.79 / 54.55 / 36.13 | 73.52 / 68.61 / 52.37 | ~1.0 MB | 14.95 |
| Late Fusion (目标级) | 79.25 / 77.24 / 70.12 | 75.70 / 72.49 / 62.20 | 54.78 / 51.06 / 37.94 | 69.51 / 66.33 / 55.67 | \(\le\) 5.4 KB | 7.75 |
| LR-V2X (Ours) | 88.48 / 85.84 / 72.00 | 83.56 / 78.38 / 58.51 | 71.56 / 66.04 / 46.16 | 81.03 / 76.16 / 57.74 | 128 KB | 6.04 |
| 90% 极端丢包条件 | ||||||
| AttnFuse | 80.53 / 79.02 / 66.72 | 77.47 / 71.70 / 56.83 | 57.23 / 51.41 / 38.45 | 66.87 / 66.20 / 52.56 | 8 MB | 6.67 |
| F-Cooper | 80.43 / 77.14 / 67.13 | 76.96 / 71.62 / 57.04 | 57.15 / 51.65 / 38.44 | 67.89 / 65.90 / 52.87 | 8 MB | 5.39 |
| CoBEVT | 79.98 / 76.17 / 61.25 | 75.15 / 69.79 / 51.91 | 53.46 / 47.68 / 33.25 | 68.83 / 63.55 / 44.47 | 8 MB | 4.92 |
| V2X-ViT | 80.01 / 77.06 / 66.55 | 75.34 / 71.04 / 56.20 | 53.23 / 48.04 / 34.61 | 68.78 / 64.33 / 50.97 | 8 MB | 4.70 |
| CodeFilling | 76.92 / 75.24 / 66.22 | 69.68 / 67.03 / 55.20 | 47.43 / 44.80 / 35.29 | 63.38 / 60.93 / 50.62 | 128 KB | 9.17 |
| HEAL | 76.88 / 75.26 / 65.77 | 70.48 / 67.64 / 54.60 | 49.39 / 46.20 / 35.69 | 64.43 / 61.68 / 50.50 | 8 MB | 7.24 |
| GenComm (DDIM) | 67.89 / 62.56 / 37.75 | 49.68 / 44.51 / 22.82 | 32.00 / 27.81 / 13.20 | 48.03 / 43.16 / 23.27 | 128 KB | 0.49 |
| LR-V2X (Ours) | 82.59 / 80.93 / 69.98 | 75.88 / 70.03 / 57.93 | 55.25 / 49.86 / 36.96 | 69.35 / 66.90 / 53.37 | 128 KB | 6.04 |
从实验数据可以看出： 1. 显著的低带宽优势：LR-V2X 仅需 128KB 传输预算（比密集基线的 8MB 压缩了 64 倍），却在 90% 极端丢包下在 DAIR-V2X 实现了 69.35/66.90/53.37 的最高 mAP，在 V2XREAL 上实现了 44.87/38.60/24.18 的最高 mAP。 2. 同带宽对比大幅领先：在同为 128KB 的低带宽方法中，LR-V2X 相比 CodeFilling 在 V2XREAL 上 [email protected] 领先 1.91 个点，在 DAIR-V2X 上领先近 6 个百分点；相比采用传统 DDIM 扩散采样的 GenComm 重现版本更是全方位碾压，同时推理速度快出 12 倍以上（6.04 FPS vs 0.49 FPS）。
严格对齐带宽与突发丢包深入分析¶
为了打破“密集基准依赖 8MB 高冗余通信维持表面鲁棒性”的不对称优势，论文在附录中执行了严格的 128KB 同预算对齐实验（下表为 DAIR-V2X 在 90% 丢包下的对比）：
| 方法模型 | 密集原生设定 (8 MB) [email protected] / 0.5 / 0.7 | 预算对齐设定 (128 KB) [email protected] / 0.5 / 0.7 | 对齐后 FPS | \(\Delta\) [email protected] |
|---|---|---|---|---|
| AttnFuse | 66.87 / 66.20 / 52.56 | 62.99 / 60.25 / 48.65 | 6.91 | -5.95 |
| F-Cooper | 67.89 / 65.90 / 52.87 | 63.24 / 61.67 / 48.67 | 9.30 | -4.23 |
| CoBEVT | 68.83 / 63.55 / 44.47 | 67.73 / 62.85 / 52.99 | 5.30 | -0.70 |
| V2X-ViT | 68.78 / 64.33 / 50.97 | 64.69 / 60.53 / 49.21 | 5.32 | -3.80 |
| HEAL | 64.43 / 61.68 / 50.50 | 60.81 / 58.08 / 47.25 | 10.00 | -3.60 |
| LR-V2X (Ours) | — | 69.35 / 66.90 / 53.37 | 6.04 | — |
实验表明，当压缩至同等 128KB 负载时，所有密集融合基准的性能均发生剧烈下滑（[email protected] 最大跌落达 5.95 点）。这强有力地证实了：LR-V2X 的抗丢包能力并非源于通信量堆叠，而是显式主动重构机制带来的本质鲁棒性。
此外，在更加严苛的连片块状突发丢包 (Burst Loss) 评估中（DAIR-V2X，90% 丢包），LR-V2X 在同为 128KB 预算下分别取得 67.83 / 64.21 / 51.93 的 mAP，全面超越 CodeFilling（65.36 / 62.62 / 51.48），在非独立随机丢包的恶劣环境下依然展现出领先的重构鲁棒性。
消融实验¶
论文通过一系列细致的消融实验验证了各模块的设计必要性：
1. 重构器条件输入有效性 (DAIR-V2X, 无丢包)
| 本车特征 (\(X_0^{\text{aligned}}\)) | 位姿变换 (\(T_{0 \to i}\)) | 潜在特征 (\(\tilde{S}_i\)) | [email protected] (%) | [email protected] (%) | [email protected] (%) |
|---|---|---|---|---|---|
| 67.28 | 63.71 | 52.01 | |||
| \(\checkmark\) | 78.90 | 74.15 | 55.77 | ||
| \(\checkmark\) | \(\checkmark\) | 79.69 | 75.34 | 56.56 | |
| \(\checkmark\) | 67.30 | 63.75 | 52.04 | ||
| \(\checkmark\) | \(\checkmark\) | 68.30 | 64.74 | 53.04 | |
| \(\checkmark\) | \(\checkmark\) | 79.52 | 75.29 | 56.72 | |
| \(\checkmark\) | \(\checkmark\) | \(\checkmark\) | 81.03 | 76.16 | 57.74 |
本车特征起到了最为决定性的作用（注入后 [email protected] 暴涨 11.62 个百分点），证明重叠视场下的本车观测能够为重构器提供极其关键的几何先验支撑；位姿矩阵与残存潜在特征则提供了互补的局部纹理校准。
2. 空间下采样倍率权衡
| 下采样倍率 | 通信体量 | [email protected] (%) | [email protected] (%) | [email protected] (%) |
|---|---|---|---|---|
| \(\times 2\) | 2 MB | 82.55 | 77.64 | 59.42 |
| \(\times 4\) | 512 KB | 81.52 | 76.79 | 58.52 |
| \(\times 8\) (默认) | 128 KB | 81.03 | 76.16 | 57.74 |
| \(\times 16\) | 32 KB | 79.58 | 73.51 | 54.52 |
\(\times 8\) 下采样在将通信量缩减 16 倍的同时，精度较 \(\times 2\) 仅下降约 1.5 点，处于性能与开销权衡的最优拐点。
3. 噪声条件训练与推理时间步验证 (90% 丢包)
移去扩散加噪扰动的确定性无噪声重构器（\(t=0\)）在 90% 丢包下 mAP 仅为 62.19 / 59.68 / 49.14，而经过扩散噪声条件训练的完整模型达到 69.35 / 66.90 / 53.37（提升超过 7 个百分点）。时间步扫描表明，\(t_{\text{inf}}=700\) 展现出最佳的平滑去噪恢复能力，且在宽区间内表现极其平稳。
局限性与思考¶
局限性¶
- 多车复杂拓扑扩展性：当前实验主要在 DAIR-V2X (V2I) 和 V2XREAL (单协作者车车协同) 上验证，在车辆密集的大规模多智能体车联网图中，如何高效管理多对协作者的并发 DiT 重构开销尚需探索。
- 真实信道协议栈建模：实验中的丢包模拟基于空间 Bernouilli 独立丢包与粗粒度突发丢包模型，未深入融合物理层多径衰落、MAC 层竞争重传退避及端到端非平稳时延。
- 计算延迟优化空间：DiT-B 骨干网络的引入使得端到端帧率在 DAIR-V2X 上为 6.04 FPS，在 V2XREAL 上为 1.54 FPS，距离高动态自动驾驶场景的 10~20 Hz 实时要求仍有轻量化优化的空间。
思考与未来方向¶
- 重构优先范式的普适性：LR-V2X 证明了在有损信道中，与其依赖高通信冗余掩盖丢包，不如在接收端建立强大的条件生成模型主动重构缺失特征，这为抗弱网环境下的协同机器人与分布式具身感知提供了极具价值的设计思路。
- 动态轻量化自适应调度：未来可探索自适应触发机制——仅在信道质量劣化、检测到特征严重缺失时动态激活 DiT 重构器；在通信良好时直接通过 LPD 快速前向推理，从而兼顾极致延迟与极限鲁棒性。
- 跨模态特征生成：进一步将该范式推广到多传感器异构协同（如红外相机、雷达与 LiDAR 跨模态互补），利用扩散模型的生成能力跨模态填补缺失信息。