論文の概要: Racing With ROS 2 A Navigation System for an Autonomous Formula Student Race Car

• arxiv url: http://arxiv.org/abs/2311.14276v1
• Date: Fri, 24 Nov 2023 04:40:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-27 16:02:51.817790
• Title: Racing With ROS 2 A Navigation System for an Autonomous Formula Student Race Car
• Title（参考訳）: ROS 2による自律型フォーミュラ学生レースカーのナビゲーションシステム
• Authors: Alastair Bradford, Grant van Breda, Tobias Fischer
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.509667406229871
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The advent of autonomous vehicle technologies has significantly impacted various sectors, including motorsport, where Formula Student and Formula: Society of Automotive Engineers introduced autonomous racing classes. These offer new challenges to aspiring engineers, including the team at QUT Motorsport, but also raise the entry barrier due to the complexity of high-speed navigation and control. This paper presents an open-source solution using the Robot Operating System 2, specifically its open-source navigation stack, to address these challenges in autonomous Formula Student race cars. We compare off-the-shelf navigation libraries that this stack comprises of against traditional custom-made programs developed by QUT Motorsport to evaluate their applicability in autonomous racing scenarios and integrate them onto an autonomous race car. Our contributions include quantitative and qualitative comparisons of these packages against traditional navigation solutions, aiming to lower the entry barrier for autonomous racing. This paper also serves as a comprehensive tutorial for teams participating in similar racing disciplines and other autonomous mobile robot applications.
• Abstract（参考訳）: 自動運転車技術の出現は、モータースポーツ、フォーミュラ・学生、フォーミュラ・フォーミュラ・オートモーティブ・エンジニアズ・オブ・オートモーティブ・レーシング・クラスなど、様々な分野に大きな影響を与えた。 これらの課題は、QUT Motorsportのチームを含むエンジニアに新たな課題を提供するとともに、高速ナビゲーションと制御の複雑さによる参入障壁も高めている。 本稿では,自律型フォーミュラ学生レースカーにおける課題を解決するため,ロボットオペレーティングシステム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。 このスタックは、QUT Motorsportが開発した従来のカスタムメイドプログラムと比較して、自律的なレースシナリオに適用性を評価し、それらを自律的なレースカーに統合する。 私たちのコントリビューションには、従来のナビゲーションソリューションに対する、これらのパッケージの定量的かつ質的な比較が含まれています。 また,本論文は,同様のレース分野および他の自律移動ロボットアプリケーションに参加するチームを対象とした総合的なチュートリアルとして機能する。

関連論文リスト

• ForzaETH Race Stack - Scaled Autonomous Head-to-Head Racing on Fully Commercial off-the-Shelf Hardware [2.904649078315446]
  ForzaETH Race Stackは、1:10スケールのヘッド・ツー・ヘッド・レーシング・コンペティションであるF1TENTH向けに設計された自動運転レーシングソフトウェアプラットフォームである。 市販のオフザシェルフハードウェアを使用することで、レプリケーションを簡単にする。 このスタックは、公式のF1TENTH国際大会で複数回優勝することで、この分野における有効性、堅牢性、適応性を示した。
  論文  参考訳（メタデータ） (2024-03-18T13:42:06Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [67.843551583229]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• 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)
• Racing Towards Reinforcement Learning based control of an Autonomous Formula SAE Car [1.0124625066746598]
  本稿では,自動レースカーのエンド・ツー・エンド制御における深層強化学習(RL)の活用に関する最初の研究について述べる。 本稿では,Turtlebot2プラットフォーム上でのフルスケール設計に類似したトラック上で,2つの最先端RLアルゴリズムをシミュレーションで訓練する。 その結果,本手法はシミュレーションでレースを学習し,物理プラットフォーム上で現実の競馬場に移動することに成功した。
  論文  参考訳（メタデータ） (2023-08-24T21:16:03Z)
• FastRLAP: A System for Learning High-Speed Driving via Deep RL and Autonomous Practicing [71.76084256567599]
  本稿では、自律型小型RCカーを強化学習(RL)を用いた視覚的観察から積極的に駆動するシステムを提案する。 我々のシステムであるFastRLAP (faster lap)は、人間の介入なしに、シミュレーションや専門家によるデモンストレーションを必要とせず、現実世界で自律的に訓練する。 結果として得られたポリシーは、タイミングブレーキや回転の加速度などの突発的な運転スキルを示し、ロボットの動きを妨げる領域を避け、トレーニングの途中で同様の1対1のインタフェースを使用して人間のドライバーのパフォーマンスにアプローチする。
  論文  参考訳（メタデータ） (2023-04-19T17:33:47Z)
• 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)
• 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。