将通信带宽降低至十万分之一，NeurIPS2022论文提出新一代协作感知方法(3)

Where2comm在多轮通信下的感知效果与通信消耗的权衡
通信高效协作感知方法的核心思想：挖掘感知信息空间分布的异构性
Where2comm 为何能稳定地获得如此大的性能提升？这得益于充分挖掘了感知信息的空间异构性和稀疏性。以目标检测为例，每个智能体更为关注空间中包含目标的前景区域，大量背景信息则无关紧要，因此感知信息在空间分布上存在显著的异构性。同时，信息的重要程度可通过包含前景目标的可能性来度量。受此启发，Where2comm 在多智能体间传递空间上稀疏但关键的信息，以此来实现更好的感知效果和通信消耗的权衡，同时通过多轮通信向其他智能体请求补充信息，以执行高效和互利的协作。

通过无人机2传递的稀疏但有效的信息（图h），无人机1在被建筑遮挡的视角盲区内得以实现有效感知
优化问题定义
Where2comm 背后的设计思路是基于一个基本的数学优化。考虑一个有 N 个智能体的场景，研究者将
和
分别设为第 i 个智能体对场景的观察以及感知的监督信息，则协作感知的目标是：在带宽 B 和通信轮次 K 的约束下，实现所有智能体的感知性能的最大化。

其中 g(⋅,⋅)感知性能的度量指标,Φ是参数为θ的感知网络,
是第 i，j 智能体之间传递的消息，k 是通信轮次。Where2comm 希望在优化的过程中能够让模型在不同的通信条件下都能够实现最优性能，同时，每个智能体都同时作为支持者和请求者参与协作过程。后续的方法设计正是针对这一优化问题的具体解法。
主框图介绍