在可预见的未来,自治车辆将在他们无法自行解决的情况下需要人类的帮助。在这种情况下,来自人类的远程辅助可以为车辆提供所需的输入来继续其操作。自动车辆中使用的典型传感器包括相机和激光雷达传感器。由于必须实时发送的传感器数据量的大量,高效的数据压缩是基本上的,以防止网络基础设施过载。使用深生成的神经网络的传感器数据压缩已经显示为图像和激光雷达数据的传统压缩方法,关于压缩率以及重建质量。然而,缺乏关于基于生成 - 神经网络的压缩算法进行远程辅助的性能的研究。为了在远程辅助中深入了解使用深度生成模型的可行性,我们评估了最先进的算法,了解其适用性并识别潜在的弱点。此外,我们实施了用于处理传感器数据的在线管道,并使用Carla模拟器演示其对远程辅助的性能。
translated by 谷歌翻译