論文の概要: LGSVL Simulator: A High Fidelity Simulator for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2005.03778v3
• Date: Mon, 22 Jun 2020 00:47:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 00:17:16.106949
• Title: LGSVL Simulator: A High Fidelity Simulator for Autonomous Driving
• Title（参考訳）: LGSVLシミュレータ:自律運転のための高忠実度シミュレータ
• Authors: Guodong Rong, Byung Hyun Shin, Hadi Tabatabaee, Qiang Lu, Steve Lemke, M\=arti\c{n}\v{s} Mo\v{z}eiko, Eric Boise, Geehoon Uhm, Mark Gerow, Shalin Mehta, Eugene Agafonov, Tae Hyung Kim, Eric Sterner, Keunhae Ushiroda, Michael Reyes, Dmitry Zelenkovsky, Seonman Kim
• Abstract要約: 本稿では,自律運転のための高忠実度シミュレータであるLGSVL Simulatorを紹介する。 シミュレータエンジンは、AutowareとApolloに接続する準備ができているエンドツーエンドのフルスタックシミュレーションを提供する。
• 参考スコア（独自算出の注目度）: 1.1742615451804794
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Testing autonomous driving algorithms on real autonomous vehicles is extremely costly and many researchers and developers in the field cannot afford a real car and the corresponding sensors. Although several free and open-source autonomous driving stacks, such as Autoware and Apollo are available, choices of open-source simulators to use with them are limited. In this paper, we introduce the LGSVL Simulator which is a high fidelity simulator for autonomous driving. The simulator engine provides end-to-end, full-stack simulation which is ready to be hooked up to Autoware and Apollo. In addition, simulator tools are provided with the core simulation engine which allow users to easily customize sensors, create new types of controllable objects, replace some modules in the core simulator, and create digital twins of particular environments.
• Abstract（参考訳）: 自動運転車で自動運転アルゴリズムをテストするのは極めてコストがかかり、この分野の多くの研究者や開発者は、実車と対応するセンサーを利用できない。 AutowareやApolloなど、フリーでオープンソースの自動運転スタックがいくつか提供されているが、オープンソースシミュレータの選択肢は限られている。 本稿では,自律運転のための高忠実度シミュレータであるLGSVL Simulatorを紹介する。 シミュレータエンジンは、autowareとapolloに接続可能な、エンドツーエンドのフルスタックシミュレーションを提供する。 さらにシミュレータツールには、センサーのカスタマイズを容易にし、新しいタイプの制御可能なオブジェクトを作成し、コアシミュレータのモジュールを置き換え、特定の環境のデジタルツインを作成することができるコアシミュレーションエンジンが付属している。

関連論文リスト

• GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes and Minimalist Workflow [24.789118651720045]
  光実写シーンを用いた自律走行シミュレータを提案する。 シミュレータはROS2またはSocket.IOを介して外部アルゴリズムと通信することができる。 シミュレータ内に高精度な車両力学モデルを実装し,車体効果の現実性を高める。
  論文  参考訳（メタデータ） (2024-01-28T23:26:15Z)
• Choose Your Simulator Wisely: A Review on Open-source Simulators for Autonomous Driving [25.320362844415012]
  シミュレータで開発されたアルゴリズムの有効性が懸念されている。 本稿では,シミュレータの進化を解析し,その機能と実用性について解説する。 アクセシビリティ、保守状態、品質などの要因を考慮して、選択シミュレータの勧告を提示する。
  論文  参考訳（メタデータ） (2023-11-18T12:30:41Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• MARS: An Instance-aware, Modular and Realistic Simulator for Autonomous Driving [13.571775151180923]
  ニューラルレイディアンスフィールド(NeRF)に基づく自律走行シミュレータを提案する。 我々のシミュレーターは、フォアグラウンドインスタンスとバックグラウンド環境を独立したネットワークで別々にモデル化する。 我々のシミュレーターは、最高のモジュール選択を条件に、最先端のフォトリアリズムを新たに設定した。
  論文  参考訳（メタデータ） (2023-07-27T17:59:52Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Autonomous Driving Simulator based on Neurorobotics Platform [11.25880077022107]
  自動運転車には人工知能アルゴリズムがたくさんあるが、これらのアルゴリズムを直接車両にインストールするのは非現実的で高価だ。 同時に、これらのアルゴリズムの多くは、トレーニングと最適化のための環境を必要としています。 このレポートは、Neurorobotics Platformに関する小さな研究から始まり、真の現実世界のシミュレーション目標を達成するための新しいシミュレータの開発の可能性と可能性を分析する。
  論文  参考訳（メタデータ） (2022-12-31T01:12:27Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and Policy Learning for Autonomous Vehicles [131.2240621036954]
  VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。 高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。 センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
  論文  参考訳（メタデータ） (2021-11-23T18:58:10Z)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)
• LiDARsim: Realistic LiDAR Simulation by Leveraging the Real World [84.57894492587053]
  物理に基づくシミュレーションと学習に基づくシミュレーションの両方のパワーをキャプチャする新しいシミュレータを開発した。 まず3Dシーン上でレイキャストを行い、次にディープニューラルネットワークを用いて物理シミュレーションから偏差を生成する。 本稿では,LiDARsimが長距離イベントにおける認識アルゴリズムのテストに有用であること,および安全クリティカルシナリオにおけるエンドツーエンドのクローズループ評価について紹介する。
  論文  参考訳（メタデータ） (2020-06-16T17:44:35Z)
• A machine learning environment for evaluating autonomous driving software [1.6516902135723865]
  自動運転車のコーナーケース動作を検出するための機械学習環境を提案する。 我々の環境は、CARLAシミュレーションソフトウェアを機械学習フレームワークとカスタムAIクライアントソフトウェアに接続することに基づいている。 我々のシステムは、車両AIが状況を正確に理解できないコーナーケースを探索することができる。
  論文  参考訳（メタデータ） (2020-03-07T13:05:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。