Fugu-MT 論文翻訳(概要): Choose Your Simulator Wisely: A Review on Open-source Simulators for Autonomous Driving

論文の概要: Choose Your Simulator Wisely: A Review on Open-source Simulators for Autonomous Driving

arxiv url: http://arxiv.org/abs/2311.11056v2
Date: Tue, 26 Dec 2023 10:28:36 GMT
ステータス: 処理完了
システム内更新日: 2023-12-27 21:34:49.977275
Title: Choose Your Simulator Wisely: A Review on Open-source Simulators for Autonomous Driving
Title（参考訳）: シミュレーションを賢明に選ぶ - 自動運転のためのオープンソースシミュレータのレビュー
Authors: Yueyuan Li, Wei Yuan, Songan Zhang, Weihao Yan, Qiyuan Shen, Chunxiang Wang, Ming Yang
Abstract要約: 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。
参考スコア（独自算出の注目度）: 25.320362844415012
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Simulators play a crucial role in autonomous driving, offering significant time, cost, and labor savings. Over the past few years, the number of simulators for autonomous driving has grown substantially. However, there is a growing concern about the validity of algorithms developed and evaluated in simulators, indicating a need for a thorough analysis of the development status of the simulators. To bridge the gap in research, this paper analyzes the evolution of simulators and explains how the functionalities and utilities have developed. Then, the existing simulators are categorized based on their task applicability, providing researchers with a taxonomy to swiftly assess a simulator's suitability for specific tasks. Recommendations for select simulators are presented, considering factors such as accessibility, maintenance status, and quality. Recognizing potential hazards in simulators that could impact the confidence of simulation experiments, the paper dedicates substantial effort to identifying and justifying critical issues in actively maintained open-source simulators. Moreover, the paper reviews potential solutions to address these issues, serving as a guide for enhancing the credibility of simulators.
Abstract（参考訳）: シミュレーターは自動運転において重要な役割を担い、かなりの時間、コスト、労働力の節約を提供する。過去数年間、自動運転のためのシミュレーターの数は大幅に増加している。しかし、シミュレータで開発・評価するアルゴリズムの妥当性については懸念が高まり、シミュレータの開発状況の徹底的な分析の必要性が指摘されている。本研究のギャップを埋めるため,シミュレータの進化を解析し,機能やユーティリティがいかに発達してきたかを説明する。次に、既存のシミュレータをタスク適用性に基づいて分類し、特定のタスクに対するシミュレータの適合性を迅速に評価する分類を研究者に提供する。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。シミュレーション実験の信頼性に影響を与えるシミュレータの潜在的な危険性を認識し,アクティブにメンテナンスされたオープンソースシミュレータの重要な問題を同定し,正当化するために多大な労力を費やした。さらに,本論文は,シミュレータの信頼性向上のためのガイドとして,これらの課題に対処するための潜在的な解決策をレビューする。

関連論文リスト

BeSimulator: A Large Language Model Powered Text-based Behavior Simulator [28.112491177744783]
本研究では,BeSimulatorをテキストベースの環境下での動作シミュレーションの試みとして紹介する。 BeSimulatorはシナリオを一般化し、長距離複素シミュレーションを実現する。
論文参考訳（メタデータ） (2024-09-24T08:37:04Z)
KAUCUS: Knowledge Augmented User Simulators for Training Language Model Assistants [3.724713116252253]
有用な対話データを生成するシミュレータを作成することにより、効果的な指示追従アシスタントを開発することができる。以前のユーザシミュレータは一般的に多様性に欠けており、ほとんどはクローズドドメインであり、厳密なスキーマを必要としていた。本稿では,知識強化型ユーザシミュレータフレームワークであるKaucusを紹介し,多様なユーザシミュレータ作成プロセスの概要について述べる。
論文参考訳（メタデータ） (2024-01-29T06:57:02Z)
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)
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)
Two is Better Than One: Digital Siblings to Improve Autonomous Driving Testing [10.518360486008964]
複数の汎用シミュレータ上で、与えられた自動運転車をテストするマルチシミュレータアプローチであるデジタルシミュレータの概念を導入する。我々は、このようなマルチシミュレーターアプローチを、大規模なテストケースにおいて、物理的にスケールした自動運転車のデジタル双対に対して実証的に比較する。実験により,デジタル双子の故障予測において,デジタル兄弟によるアンサンブル故障予測器が個々のシミュレータよりも優れていることが示された。
論文参考訳（メタデータ） (2023-05-14T04:10:56Z)
Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
論文参考訳（メタデータ） (2022-06-22T19:33:21Z)
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)
Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
論文参考訳（メタデータ） (2021-03-12T17:00:23Z)
A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
論文参考訳（メタデータ） (2020-11-17T22:24:26Z)
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)
LGSVL Simulator: A High Fidelity Simulator for Autonomous Driving [1.1742615451804794]
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。
論文参考訳（メタデータ） (2020-05-07T21:57:19Z)

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。