본 논문은 다중 에이전트 시스템에서의 협업 3D 객체 탐지 성능 향상을 위한 새로운 프레임워크인 CoDiff를 제안합니다. 기존의 협업 3D 객체 탐지 방법은 자세 추정 오류 및 시간 지연으로 인해 공간 및 시간적 노이즈가 포함된 특징 표현을 생성하여 탐지 성능 저하를 야기합니다. CoDiff는 이러한 문제를 해결하기 위해 확산 모델을 활용합니다. 고차원 특징 맵을 사전 훈련된 오토인코더의 잠재 공간으로 투영하고, 각 에이전트의 정보를 조건으로 하여 확산 모델의 샘플링을 유도함으로써 노이즈를 제거하고 융합된 특징을 개선합니다. 시뮬레이션 및 실제 데이터셋을 통한 실험 결과, CoDiff는 기존 방법보다 협업 객체 탐지 성능이 우수하며, 에이전트의 자세 및 지연 정보에 높은 수준의 노이즈가 존재하는 경우에도 강건성을 보이는 것으로 나타났습니다.
