国内研究人员推出名为 Which2comm 的高效协同感知框架,专门服务智能网联与自动驾驶车辆,用来解决传统协同感知方案带宽占用高、车辆遮挡容易漏检的痛点,这套方案不走传输原始点云、整张特征图的老路,改用目标级稀疏特征做交互,搭配自适应筛选机制,只挑选对行车安全关键的车辆参与协同,还同步搭建了大规模多模态 V2X 数据集 Multi‑V2X,用来模拟路口高密度车流,实测结果证明它可以在压低通信流量的前提下稳住三维目标检测精度,就算通信存在延迟,整套感知链路依旧比较稳定,这项成果给后续车路协同落地提供一条更贴合现实通信条件的技术路线,弥补单车传感器看不见盲区的短板,提升复杂路口通行安全。

一、高效协同感知框架瞄准的现存痛点清单

  • 通信带宽紧张:传统方案传递密集特征或者原始传感器数据,多车同时联网时 V2X 信道很容易拥堵,延迟飙升。
  • 单车感知盲区突出:建筑物、大型车辆遮挡之后,单车很难识别拐角后方的行人、非机动车。
  • 高密度车流难以扩展:如果所有联网车辆无差别交换数据,算力、通信开销会跟着车辆数量快速上涨。
  • 缺少贴近国内路况的测试素材:很多旧算法只用小规模数据集验证,很难还原真实道路多车并发场景。

二、高效协同感知框架完整工作流程

  1. 生成目标级稀疏特征:每一台自动驾驶车辆在本地完成目标检测,生成带有语义信息的检测框,打包成轻量化稀疏特征。
  2. 自适应协同对象筛选:算法自动判断周边车辆价值,只保留影响安全的车辆进行信息交互,过滤无效通信。
  3. 跨车特征交互融合:只发送精简目标特征,接收端把外部传来的信息和自身感知结果融合。
  4. 输出三维检测结果:融合完成之后输出障碍物位置、尺寸、运动状态,供给自动驾驶规划控制模块使用。

三、配套 Multi‑V2X 数据集参数

项目详细参数
数据集名称Multi‑V2X
总帧数约 14.6 万帧
三维标注总量超过 420 万个
单场景最大联网车辆31 台
适用场景不同渗透率下的 V2X 协同感知验证

四、这套高效协同感知框架核心优势

  • 通信成本更低:采用目标级稀疏特征传输,相比传输整张特征图,可以大幅削减传输的数据量。
  • 车流扩展性更好:依靠动态选车机制,不会随着路上联网车辆增多直接过载。
  • 抗时延能力更强:在存在通信延迟的环境下,目标检测精度下滑幅度更小。
  • 可复现性强:配套公开大规模数据集,方便其他科研团队对比、迭代协同感知算法。

【相关 FAQ】

问题 1:这款面向智能网联自动驾驶车辆的高效协同感知框架,采用什么样的数据传输思路?

回答 1:这套高效协同感知框架不传输原始传感器数据或者整张密集特征图,采用目标级稀疏特征传输,同时自适应筛选协同车辆,以此控制通信开销。

问题 2:验证智能网联自动驾驶高效协同感知框架,配套使用的数据集是什么?

回答 2:研究团队配套搭建 Multi‑V2X 多模态 V2X 数据集,拥有十几万帧画面与数百万三维标注,用来模拟高密度车流,验证这套高效协同感知框架。

问题 3:这套智能网联自动驾驶高效协同感知框架,什么时候可以装车商用?

回答 3:目前该高效协同感知框架属于学术科研成果,只完成数据集仿真验证,还没有进入实车量产阶段,需要后续路测与工程化改造,暂无确定商用时间。

问题 4:搭载高效协同感知框架之后,对比普通单车感知能带来哪些提升?

回答 4:普通单车感知容易被遮挡,这套高效协同感知框架依靠多车互通感知信息,可以看到单车传感器覆盖不到的盲区,更早识别隐藏目标,提升路口通行安全性。

【参考资料】

[2026-11-10](中国研究人员发明用于智能网联和自动驾驶车辆的高效协同感知框架)网通社

[2026-11-10](中国研究人员发明用于智能网联和自动驾驶车辆的高效协同感知框架)凤凰网汽车

[2026-11-02](MirrorComm:面向自动驾驶的通信高效协同感知框架)arXiv

[2026-04-01](基于点特征精细对齐的网联自动驾驶车辆协同感知)SciOpen

【免责声明】

本文素材取自公开快报、学术论文以及媒体报道,该智能网联自动驾驶高效协同感知框架现阶段属于实验室科研成果,暂未实现产业化落地,不构成任何投资、购车建议,后续技术落地进度请以研究团队、车企官方公告为准。