論文の概要: Simulator as a Tool for the Future Maritime Education and Research: A
Discussion
- arxiv url: http://arxiv.org/abs/2007.14732v1
- Date: Wed, 29 Jul 2020 10:41:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-07 20:42:33.394581
- Title: Simulator as a Tool for the Future Maritime Education and Research: A
Discussion
- Title(参考訳): 将来的な海洋教育・研究のためのツールとしてのシミュレーター : 議論
- Authors: Yushan Pan, Arnfinn Oksavik and Hans Petter Hildre
- Abstract要約: 本稿では,共同設計が海洋分野における将来的なスキルの予測にどのように役立つのかを考察する。
我々は、すべての参加者が自身の経験を共有できるように、協調的で革新的な研究活動に取り組みます。
経験の変化とともに、サポート対象のシミュレーションとシミュレータ技術は、持続可能な成長を実現するように設計されていると断言する。
- 参考スコア(独自算出の注目度): 0.5801044612920815
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A few studies in the maritime domain utilize co-design in ship design
workshops, however, none of them addresses a full picture of how co-design can
make changes in simulation-based maritime education. In this paper, we reflect
how co-design can help to foresight future skills in the maritime domain,
especially on how to use simulators to support increasing competence of
seafarers and in turn to redesign simulators to support maritime education.
Thus, we address collaborative and innovative research activities, to enable
all participants (seafarers, trainers, technicians, authorities etc.) to share
their experiences so a joint recognition of needed future skills can be
reached. Along with the ex-change of experiences, we assert that the supported
simulations and simulator techniques could be designed to achieve sustainable
growth for all participants.
- Abstract(参考訳): 海上領域におけるいくつかの研究は、船の設計ワークショップで共同設計を利用しているが、シミュレーションに基づく海洋教育において、共同設計がどのように変化をもたらすかの全体像には言及していない。
本稿では,共同設計が海事領域の今後の技術,特に船員の能力向上を支援するシミュレータの活用,および海事教育を支援するシミュレータの再設計にどのように役立つかを考察する。
そこで我々は,すべての参加者(家族,トレーナー,技術者,当局など)が,将来に必要なスキルを共同で認識できるように,協力的かつ革新的な研究活動に取り組む。
経験の変化とともに、サポート対象のシミュレーションとシミュレータ技術は、すべての参加者の持続可能な成長を達成するために設計できると断言した。
関連論文リスト
- Reinforcement-learning robotic sailboats: simulator and preliminary
results [0.37918614538294315]
この研究は、無人表面車両(USV)デジタルツインを用いた実実験を再現する仮想海洋環境の開発における主な課題と課題に焦点を当てる。
本稿では、自律的なナビゲーションと制御のために強化学習(RL)エージェントを利用することを考慮し、仮想世界を構築するための重要な機能を紹介する。
論文 参考訳(メタデータ) (2024-01-16T09:04:05Z) - 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) - Robust Navigation with Cross-Modal Fusion and Knowledge Transfer [16.529923581195753]
移動ロボットの一般化に関する問題点を考察する。
一般化のためのクロスモーダル融合法と知識伝達フレームワークを提案する。
教師の行動と表現を模倣することにより、学生はノイズの多いマルチモーダル入力から特徴を調整できる。
論文 参考訳(メタデータ) (2023-09-23T05:16:35Z) - Reward Function Design for Crowd Simulation via Reinforcement Learning [12.449513548800466]
強化学習は仮想的な群集をシミュレートする大きな可能性を示しているが、報酬関数の設計は効率的かつ効率的な結果を達成するために重要である。
本研究では, 特定の報酬関数の妥当性を解析的特性に応じて理論的に把握し, 様々なシナリオを用いて実証的に評価する。
本研究は,新しい群集シミュレーション技術の発展に寄与し,人間のようなナビゲーションの幅広い研究に寄与する。
論文 参考訳(メタデータ) (2023-09-22T12:55:30Z) - Reusability Challenges of Scientific Workflows: A Case Study for Galaxy [56.78572674167333]
本研究では,既存の再使用可能性について検討し,いくつかの課題を明らかにした。
再利用性防止の課題には、ツールのアップグレード、ツールのサポート、設計上の欠陥、不完全性、ワークフローのロードの失敗などが含まれる。
論文 参考訳(メタデータ) (2023-09-13T20:17:43Z) - Learning Robotic Navigation from Experience: Principles, Methods, and
Recent Results [94.60414567852536]
現実世界のナビゲーションは、単純な幾何学的抽象化に反する複雑な物理的課題の集合を示す。
機械学習は、幾何学や従来の計画を超えた、有望な方法を提供する。
本稿では,ロボットナビゲーションスキルを実験的に学習するツールキットについて紹介する。
論文 参考訳(メタデータ) (2022-12-13T17:41:58Z) - Navigating to Objects in the Real World [76.1517654037993]
本稿では,古典的,モジュール的,エンド・ツー・エンドの学習手法と比較した,意味的視覚ナビゲーション手法に関する大規模な実証的研究について述べる。
モジュラー学習は実世界ではうまく機能し、90%の成功率に達しています。
対照的に、エンド・ツー・エンドの学習は、シミュレーションと現実の間の画像領域の差が大きいため、77%のシミュレーションから23%の実際の成功率へと低下する。
論文 参考訳(メタデータ) (2022-12-02T01:10:47Z) - Image-based Navigation in Real-World Environments via Multiple Mid-level
Representations: Fusion Models, Benchmark and Efficient Evaluation [13.207579081178716]
近年の学習に基づくナビゲーション手法では,エージェントのシーン理解とナビゲーション能力が同時に実現されている。
残念ながら、シミュレーターがナビゲーションポリシーを訓練する効率的なツールであるとしても、現実の世界に移動すると、結果のモデルは失敗することが多い。
可能な解決策の1つは、シーンの重要なドメイン不変性を含む中間レベルの視覚表現を備えたナビゲーションモデルを提供することである。
論文 参考訳(メタデータ) (2022-02-02T15:00:44Z) - Game and Simulation Design for Studying Pedestrian-Automated Vehicle
Interactions [1.3764085113103217]
我々はまず,現場で現代的ツールを提示し,歩行者視点研究を促進する新しいアプリケーションの設計と開発を提案する。
我々は3段階のユーザ体験実験を行い、参加者は様々なシナリオでアプリケーションの使用前後で質問に答える。
論文 参考訳(メタデータ) (2021-09-30T15:26:18Z) - Unsupervised Domain Adaptation for Visual Navigation [115.85181329193092]
視覚ナビゲーションのための教師なし領域適応手法を提案する。
本手法では,対象領域の画像をソース領域に変換し,ナビゲーションポリシで学習した表現と一致するようにする。
論文 参考訳(メタデータ) (2020-10-27T18:22:43Z) - Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial
Observability in Visual Navigation [62.22058066456076]
強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。
RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。
本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
論文 参考訳(メタデータ) (2020-07-27T17:46:59Z)
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。