論文の概要: Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits

• arxiv url: http://arxiv.org/abs/2202.03807v1
• Date: Tue, 8 Feb 2022 11:55:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-09 16:28:58.794017
• Title: Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits
• Title（参考訳）: インディ・オートマチック・チャレンジ - 自律走行のレースカー。
• Authors: Alexander Wischnewski, Maximilian Geisslinger, Johannes Betz, Tobias Betz, Felix Fent, Alexander Heilmeier, Leonhard Hermansdorfer, Thomas Herrmann, Sebastian Huch, Phillip Karle, Felix Nobis, Levent \"Ogretmen, Matthias Rowold, Florian Sauerbeck, Tim Stahl, Rainer Trauth, Markus Lienkamp, Boris Lohmann
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 81.22616193933021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motorsport has always been an enabler for technological advancement, and the same applies to the autonomous driving industry. The team TUM Auton-omous Motorsports will participate in the Indy Autonomous Challenge in Octo-ber 2021 to benchmark its self-driving software-stack by racing one out of ten autonomous Dallara AV-21 racecars at the Indianapolis Motor Speedway. The first part of this paper explains the reasons for entering an autonomous vehicle race from an academic perspective: It allows focusing on several edge cases en-countered by autonomous vehicles, such as challenging evasion maneuvers and unstructured scenarios. At the same time, it is inherently safe due to the motor-sport related track safety precautions. It is therefore an ideal testing ground for the development of autonomous driving algorithms capable of mastering the most challenging and rare situations. In addition, we provide insight into our soft-ware development workflow and present our Hardware-in-the-Loop simulation setup. It is capable of running simulations of up to eight autonomous vehicles in real time. The second part of the paper gives a high-level overview of the soft-ware architecture and covers our development priorities in building a high-per-formance autonomous racing software: maximum sensor detection range, relia-ble handling of multi-vehicle situations, as well as reliable motion control under uncertainty.
• Abstract（参考訳）: motorsportは常に技術進歩の実現者であり、同じことが自動運転業界にも当てはまる。 TUM Auton-omous Motorsportsは、2021年10月、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、自動運転ソフトウェアスタックをベンチマークするインディ・オートマチック・チャレンジに参加する。 論文の最初のパートでは、学術的な観点から自動運転車レースに参加する理由を説明している。 同時に、モータースポーツ関連の軌道安全対策のため、本質的に安全である。 したがって、最も困難で稀な状況をマスターできる自律運転アルゴリズムを開発するための理想的な試験場である。 さらに,ソフトウェア開発ワークフローに関する洞察を提供し,ハードウェア・イン・ザ・ループシミュレーションのセットアップを提示する。 最大8台の自動運転車のシミュレーションをリアルタイムで実行することができる。 本論文の第2部では,ソフトウェアアーキテクチャの概要を概説するとともに,センサ検出範囲の最大化,複数車両状況のリアブル処理,不確実性下での動作制御など,高性能な自律レースソフトウェアの構築における開発優先事項について述べる。

関連論文リスト

• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• Racing With ROS 2 A Navigation System for an Autonomous Formula Student Race Car [3.509667406229871]
  本稿では,Robot Operating System 2,特にオープンソースのナビゲーションスタックを用いたオープンソースソリューションを提案する。 我々は,QUT Motorsportが開発した従来型のカスタムメイドプログラムに対して,このスタックを構成する既製のナビゲーションライブラリを比較した。 我々の貢献には、これらのパッケージを従来のナビゲーションソリューションと比較する定量的かつ質的な比較が含まれており、自律レースの参入障壁を低くすることを目的としています。
  論文  参考訳（メタデータ） (2023-11-24T04:40:26Z)
• er.autopilot 1.0: The Full Autonomous Stack for Oval Racing at High Speeds [61.91756903900903]
  インディ・オートノラティカル・チャレンジ (IAC) は、オープンホイールのレースカー上で独立して開発されたソフトウェアを使用して、前例のないスピードとヘッド・ツー・ヘッドのシナリオで競う9つの自律レースチームを集めた。 本稿では,チームTII EuroRacing (TII-ER) が使用するソフトウェアアーキテクチャについて述べる。静的障害物を避け,アクティブオーバーテイクを行い,75m/s (270 km/h) 以上の速度に達するために必要なモジュールをすべて網羅する。 総合的な結果と各モジュールのパフォーマンス、および、チームがそれぞれ2番目と3番目を置く楕円軌道上の競技の最初の2つのイベントで学んだ教訓について説明する。
  論文  参考訳（メタデータ） (2023-10-27T12:52:34Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Autonomous Racing using a Hybrid Imitation-Reinforcement Learning Architecture [0.5735035463793008]
  本稿では,タイムアタックレースイベントにおけるラップタイムの最小化を目的とした,自動運転車のエンドツーエンド制御戦略を提案する。 また,正確な車体・環境力学をシミュレートするAutoRACEシミュレータも導入した。
  論文  参考訳（メタデータ） (2021-10-11T17:26:55Z)
• Learn-to-Race: A Multimodal Control Environment for Autonomous Racing [23.798765519590734]
  模擬フォーミュラ-Eスタイルのレースにおいて、L2R(Learn-to-Race)が活躍する新しい環境を紹介します。 シミュレーターと対面トレーニングフレームワークを含む我々の環境は、車両のダイナミックスとレース条件を正確にモデル化する。 次に,学習からドライブへの挑戦,フォーミュラeレース,および自動運転のためのマルチモーダル軌道予測に着想を得たl2rタスクを提案する。
  論文  参考訳（メタデータ） (2021-03-22T04:03:06Z)
• A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge [49.976633450740145]
  本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。 我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
  論文  参考訳（メタデータ） (2020-10-23T18:07:48Z)
• Super-Human Performance in Gran Turismo Sport Using Deep Reinforcement Learning [39.719051858649216]
  高忠実度物理カーシミュレーションを利用した自律走行車レース学習システムを提案する。 私たちは、異なるレースカーとトラックのリアルな物理シミュレーションで知られている世界主導の自動車シミュレータであるGran Turismo Sportにシステムをデプロイしました。 私たちのトレーニングされたポリシーは、組み込みAIによってこれまで達成された以上の自律的なレースパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-08-18T15:06:44Z)
• AirSim Drone Racing Lab [56.68291351736057]
  AirSim Drone Racing Labは、この領域で機械学習研究を可能にするシミュレーションフレームワークである。 本フレームワークは,複数の写真リアル環境下でのレーストラック生成を可能にする。 当社のフレームワークを使用して,NeurIPS 2019で,シミュレーションベースのドローンレースコンペティションを開催しました。
  論文  参考訳（メタデータ） (2020-03-12T08:06:06Z)

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。