ROBOTICS & HUMANOID

Conductor: ระบบจัดการข้อมูลและทำนายเส้นทางสำหรับรถยนต์ไร้คนขับผ่าน Edge Computing

arXiv07 Sep 2026
1 min read
Key Takeaways
  • Conductor ช่วยให้รถยนต์ไร้คนขับทำงานร่วมกันได้ดีขึ้นผ่านการประมวลผลที่ขอบเครือข่าย โดยเน้นความเร็วและความแม่นยำของข้อมูลเป็นหลัก

ทำไมเรื่องนี้ถึงสำคัญ

ช่วยแก้ปัญหาสเกลของการจัดการข้อมูลในระบบรถยนต์ไร้คนขับแบบเชื่อมต่อ (CAV) ทำให้รถยนต์สามารถรับรู้ข้อมูลที่อยู่นอกเหนือสายตาของตัวเองได้แบบเรียลไทม์

ระบบวางแผนของรถยนต์ไร้คนขับ (AV) มักถูกจำกัดด้วยทัศนวิสัยของเซนเซอร์บนตัวรถ งานวิจัยนี้จึงนำเสนอ 'Conductor' ซึ่งเป็นโซลูชันที่ใช้ Edge Computing (เช่น หน่วยประมวลผลริมถนน หรือ RSU) มาทำหน้าที่เป็นตัวกลางในการรวมข้อมูลจากรถยนต์หลายๆ คันในพื้นที่เดียวกันเพื่อสร้างแบบจำลองโลก (Unified World Model)

จุดเด่นของ Conductor คือการจัดการกับข้อจำกัดด้านเวลา (Age of Information - AoI) โดยมีตัวเลือกระบบอัจฉริยะที่สามารถคัดกรองข้อมูลจากรถยนต์คันที่เห็นวัตถุในมุมอับสายตาของ RSU เป็นอันดับแรก และมีระบบควบคุมที่ปรับเปลี่ยนจำนวนข้อมูลที่ประมวลผลแบบไดนามิกเพื่อให้ทันต่อสถานการณ์จริง ผลการทดสอบแสดงให้เห็นว่าสามารถรองรับรถยนต์ไร้คนขับได้สูงสุดถึง 31 คันในพื้นที่เดียวกันโดยยังคงรักษาความปลอดภัยและความแม่นยำในการทำนายเส้นทางไว้ได้

สรุปประเด็นหลัก

สร้างแบบจำลองโลกที่รวมข้อมูลจากรถยนต์ (CAV) และหน่วยริมถนน (RSU)

มีระบบ Occlusion-aware ช่วยเลือกข้อมูลจากจุดอับสายตามาประมวลผลก่อน

รองรับรถยนต์ได้สูงสุด 31 คันภายใต้เงื่อนไขความหน่วงเวลาที่ปลอดภัย

นวัตกรรมและเทคโนโลยี

infrastructure

Occlusion-aware Selector

ระบบเลือกข้อมูลอัจฉริยะที่ให้ความสำคัญกับข้อมูลในมุมอับสายตาเพื่อความปลอดภัยสูงสุด

Developer Impact
ทีมพัฒนาซอฟต์แวร์สำหรับรถยนต์ไร้คนขับและระบบ Edge Infrastructure สามารถนำโมเดลการจัดการ AoI นี้ไปปรับใช้เพื่อเพิ่มประสิทธิภาพการตัดสินใจของรถยนต์ในสถานการณ์จราจรหนาแน่น
Keywords
#autonomous vehicles #edge computing #connected cars #path prediction #rsu
Original Source

อ่านข้อมูลเพิ่มเติมจากแหล่งข่าวหลัก

arXiv