論文の概要: A Multi-Modal Simulation Framework to Enable Digital Twin-based V2X
Communications in Dynamic Environments
- arxiv url: http://arxiv.org/abs/2303.06947v1
- Date: Mon, 13 Mar 2023 09:31:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 15:45:22.429202
- Title: A Multi-Modal Simulation Framework to Enable Digital Twin-based V2X
Communications in Dynamic Environments
- Title(参考訳): 動的環境におけるディジタルツインベースv2x通信を実現するマルチモーダルシミュレーションフレームワーク
- Authors: Lorenzo Cazzella, Francesco Linsalata, Maurizio Magarini, Matteo
Matteucci, Umberto Spagnolini
- Abstract要約: 近年,物理無線環境のためのディジタルツイン(DT)が,伝播環境の正確な仮想表現として提案されている。
本稿では,V2X通信シナリオのDT作成のための新しいデータ駆動ワークフローを提案する。
- 参考スコア(独自算出の注目度): 12.856023918086677
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Digital Twins (DTs) for physical wireless environments have been recently
proposed as accurate virtual representations of the propagation environment
that can enable multi-layer decisions at the physical communication equipment.
At high frequency bands, DTs can help to overcome the challenges emerging in
the high mobility conditions featuring vehicular environments. In this paper,
we propose a novel data-driven workflow for the creation of the DT of a
Vehicle-to-Everything (V2X) communication scenario and a multi-modal simulation
framework for the generation of realistic sensor data and accurate
mmWave/sub-THz wireless channels. The proposed method leverages an automotive
simulation and testing framework based on the Unreal Engine game engine and an
accurate ray-tracing channel simulator. Simulations over an urban scenario show
the achievable realistic sensor and channel modelling both at the
infrastructure and at an ego-vehicle.
- Abstract(参考訳): 近年,物理無線環境のためのDigital Twins (DT) が,物理通信機器における多層決定を可能にする伝搬環境の正確な仮想表現として提案されている。
高周波帯では、DTは車体環境を特徴とする高移動環境において生じる課題を克服するのに役立つ。
本稿では,V2X通信シナリオのDT作成のための新しいデータ駆動ワークフローと,現実的なセンサデータと正確なmmWave/sub-THz無線チャネルを生成するためのマルチモーダルシミュレーションフレームワークを提案する。
提案手法は,Unreal Engineゲームエンジンと正確なレイトレーシングチャネルシミュレータに基づく,自動車シミュレーションおよびテストフレームワークを活用する。
都市シナリオのシミュレーションでは、達成可能な現実的なセンサーとチャネルがインフラとエゴ車両の両方でモデル化されている。
関連論文リスト
- S-NeRF++: Autonomous Driving Simulation via Neural Reconstruction and
Generation [22.58009231967202]
S-NeRF++は神経再構成に基づく革新的な自律運転シミュレーションシステムである。
S-NeRF++は、nuScenesやradianceなど、広く使われている自動運転データセットでトレーニングされている。
システムは、ノイズとスパースLiDARデータを効果的に利用して、トレーニングを洗練し、奥行きの外れ値に対処する。
論文 参考訳(メタデータ) (2024-02-03T10:35:42Z) - Vision-Assisted Digital Twin Creation for mmWave Beam Management [9.608394183713717]
本稿では,1台のカメラと位置情報にのみ依存する,実用的なDigital Twin生成パイプラインとチャネルシミュレータを提案する。
本研究では,ビーム取得における下流サブタスクにおいて,3次元環境を明示的にモデル化しない手法と比較して,性能上の利点を示す。
論文 参考訳(メタデータ) (2024-01-31T12:23:55Z) - 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) - TrafficBots: Towards World Models for Autonomous Driving Simulation and
Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。
動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。
オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文 参考訳(メタデータ) (2023-03-07T18:28:41Z) - TrainSim: A Railway Simulation Framework for LiDAR and Camera Dataset
Generation [1.2165229201148093]
本稿では,仮想環境下で現実的な鉄道シナリオを生成できる視覚シミュレーションフレームワークを提案する。
シミュレーションされたLiDARとカメラから慣性データとラベル付きデータセットを自動的に生成する。
論文 参考訳(メタデータ) (2023-02-28T11:00:13Z) - 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) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳(メタデータ) (2022-05-04T17:55:12Z) - 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) - 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)
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。