🔬 🚗Наши исследователи научили машины «общаться» интеллектуальнее
Представьте: каждый автомобиль постоянно генерирует гигабайты телеметрии: обороты двигателя, давление тормозов, температура охлаждающей жидкости и десятки других параметров. Передавать все это по беспроводной сети в системах V2X «Vehicle-to-Everything» (буквально, «автомобиль ↔ всё») - это огромная нагрузка на канал связи. Как ее снизить на порядки, не теряя смысл данных?
✅ Именно эту задачу решает Car2Vec - наш новый фреймворк на основе контрастивного самообучения.
Как это работает?
Вместо того чтобы передавать поток сырых данных, бортовое устройство прямо на автомобиле «сжимает» всю телеметрию в компактный вектор из 40 чисел — семантическое описание состояния машины. Именно этот вектор и отправляется дальше: другим автомобилям, светофорам, серверам.
Что показали эксперименты?
✔️ Модель на основе GNN научилась без какой-либо разметки разделять поездки на кластеры в скрытом пространстве
✔️ Дополнительно выявились кластеры по марке топлива и вязкости моторного масла, хотя модель этому явно не обучалась
✔️ Задержка вывода на мобильном процессоре с NPU менее 1 мс, что делает систему пригодной для работы в реальном времени
Подход снижает беспроводную нагрузку на порядки величин по сравнению с передачей сырой телеметрии.
В дальнейшем мы планируем провести тестирование на парке из 100+ автомобилей, а также провести интеграцию с задачами совместного вождения.
⭐️⭐️ Статья представлена на ACM MOBICOM '25 в Гонконге
🔬 Наш сайт
😌 Наш ТГ
Представьте: каждый автомобиль постоянно генерирует гигабайты телеметрии: обороты двигателя, давление тормозов, температура охлаждающей жидкости и десятки других параметров. Передавать все это по беспроводной сети в системах V2X «Vehicle-to-Everything» (буквально, «автомобиль ↔ всё») - это огромная нагрузка на канал связи. Как ее снизить на порядки, не теряя смысл данных?
✅ Именно эту задачу решает Car2Vec - наш новый фреймворк на основе контрастивного самообучения.
Как это работает?
Вместо того чтобы передавать поток сырых данных, бортовое устройство прямо на автомобиле «сжимает» всю телеметрию в компактный вектор из 40 чисел — семантическое описание состояния машины. Именно этот вектор и отправляется дальше: другим автомобилям, светофорам, серверам.
Что показали эксперименты?
✔️ Модель на основе GNN научилась без какой-либо разметки разделять поездки на кластеры в скрытом пространстве
✔️ Дополнительно выявились кластеры по марке топлива и вязкости моторного масла, хотя модель этому явно не обучалась
✔️ Задержка вывода на мобильном процессоре с NPU менее 1 мс, что делает систему пригодной для работы в реальном времени
Подход снижает беспроводную нагрузку на порядки величин по сравнению с передачей сырой телеметрии.
В дальнейшем мы планируем провести тестирование на парке из 100+ автомобилей, а также провести интеграцию с задачами совместного вождения.
⭐️⭐️ Статья представлена на ACM MOBICOM '25 в Гонконге
🔬 Наш сайт
😌 Наш ТГ