Eine Umfrage zu intermedialen Fusionsmethoden für kollaborative Wahrnehmung Kategorisiert nach Herausforderungen der realen Welt

Diese Umfrage analysiert intermediale Fusionsmethoden in der kollaborativen Wahrnehmung für autonomes Fahren, kategorisiert nach Herausforderungen der realen Welt. Wir untersuchen verschiedene Methoden, erläutern deren Eigenschaften und die Bewertungsmetriken, die sie verwenden. Der Fokus liegt auf der Bewältigung von Herausforderungen wie Übertragungseffizienz, Lokalisierungsfehlern, Kommunikationsunterbrechungen und Heterogenität. Darüber hinaus untersuchen wir Strategien zur Bekämpfung von adversarialen Angriffen und Abwehrmaßnahmen sowie Ansätze zur Anpassung an Domänverschiebungen. Ziel ist es, einen Überblick darüber zu geben, wie intermediale Fusionsmethoden effektiv mit diesen vielfältigen Herausforderungen umgehen und ihre Rolle bei der Weiterentwicklung des Bereichs der kollaborativen Wahrnehmung im autonomen Fahren hervorzuheben.