論文の概要: Cesium Tiles for High-realism Simulation and Comparing SLAM Results in
Corresponding Virtual and Real-world Environments
- arxiv url: http://arxiv.org/abs/2401.07962v1
- Date: Mon, 15 Jan 2024 20:57:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-17 15:48:03.115863
- Title: Cesium Tiles for High-realism Simulation and Comparing SLAM Results in
Corresponding Virtual and Real-world Environments
- Title（参考訳）: 高現実性シミュレーションのためのセシウムタイルと仮想環境と実環境のSLAM結果の比較
- Authors: Chris Beam, Jincheng Zhang, Nicholas Kakavitsas, Collin Hague, Artur
Wolek, and Andrew Willis
- Abstract要約: 本稿では,AirSimシミュレータ,Unreal Engine,Cesiumプラグインを用いて実世界の位置をシミュレーションしたディジタルツインモデルを生成する方法について検討する。
実験位置のディジタルツインが提供したCesium Tilesを用いた実生活実験のマッピング結果の評価方法について検討する。
その結果,本アルゴリズムは実生活において有意な類似性を示し,模擬複製では高い類似性を示した。
- 参考スコア（独自算出の注目度）: 0.04712282770819683
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This article discusses the use of a simulated environment to predict
algorithm results in the real world. Simulators are crucial in allowing
researchers to test algorithms, sensor integration, and navigation systems
without deploying expensive hardware. This article examines how the AirSim
simulator, Unreal Engine, and Cesium plugin can be used to generate simulated
digital twin models of real-world locations. Several technical challenges in
completing the analysis are discussed and the technical solutions are detailed
in this article. Work investigates how to assess mapping results for a
real-life experiment using Cesium Tiles provided by digital twins of the
experimental location. This is accompanied by a description of a process for
duplicating real-world flights in simulation. The performance of these methods
is evaluated by analyzing real-life and experimental image telemetry with the
Direct Sparse Odometry (DSO) mapping algorithm. Results indicate that Cesium
Tiles environments can provide highly accurate models of ground truth geometry
after careful alignment. Further, results from real-life and simulated
telemetry analysis indicate that the virtual simulation results accurately
predict real-life results. Findings indicate that the algorithm results in real
life and in the simulated duplicate exhibited a high degree of similarity. This
indicates that the use of Cesium Tiles environments as a virtual digital twin
for real-life experiments will provide representative results for such
algorithms. The impact of this can be significant, potentially allowing
expansive virtual testing of robotic systems at specific deployment locations
to develop solutions that are tailored to the environment and potentially
outperforming solutions meant to work in completely generic environments.
- Abstract（参考訳）: 本稿では,実世界のアルゴリズム結果を予測するためのシミュレーション環境について論じる。
シミュレーターは、研究者が高価なハードウェアをデプロイすることなくアルゴリズム、センサーの統合、ナビゲーションシステムをテストするために不可欠である。
本稿では,AirSimシミュレータ,Unreal Engine,Cesiumプラグインを用いて実世界におけるシミュレーションディジタルツインモデルを生成する方法について検討する。
分析を完了するための技術的な課題をいくつか議論し、技術的な解決策をこの記事に詳述します。
実験位置のディジタルツインが提供したCesium Tilesを用いた実生活実験のマッピング結果の評価方法について検討する。
これはシミュレーションで現実世界の飛行を複製する過程を記述したものである。
直接スパースオドメトリー (Direct Sparse Odometry, DSO) マッピングアルゴリズムを用いて実時間および実験画像テレメトリを解析することにより, これらの手法の性能を評価する。
その結果、セシウムタイル環境は注意深く整列した後に高精度な基底真理幾何学モデルを提供できることがわかった。
さらに,実生活とシミュレーションによるテレメトリ解析の結果から,実生活の結果を正確に予測できることがわかった。
その結果,このアルゴリズムは実生活に寄与し,再現された複製では高い類似性を示した。
これは,実生活実験における仮想デジタルツインとしてのセシウムタイル環境の利用が,このようなアルゴリズムの代表的な結果をもたらすことを示唆している。
この影響は、特定のデプロイメント場所におけるロボットシステムの拡張仮想テストによって、環境に合わせて調整されたソリューションを開発し、完全に汎用的な環境で動作するためのソリューションよりも優れている可能性がある。
関連論文リスト
- DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。
その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。
動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
論文 参考訳（メタデータ） (2024-11-18T03:00:33Z) - Embed and Emulate: Contrastive representations for simulation-based inference [11.543221890134399]
本稿では,新しいシミュレーションベース推論(SBI)手法であるEmbed and Emulate(E&E)を紹介する。
E&Eはデータと対応する高速エミュレータの低次元潜伏埋め込みを潜伏空間に学習する。
本研究では,現実的なパラメータ推定タスクにおいて,既存の手法よりも優れた性能を示す。
論文 参考訳（メタデータ） (2024-09-27T02:37:01Z) - Towards Complex Dynamic Physics System Simulation with Graph Neural ODEs [75.7104463046767]
本稿では,粒子系の空間的および時間的依存性を特徴付ける新しい学習ベースシミュレーションモデルを提案する。
我々は,GNSTODEのシミュレーション性能を,重力とクーロンの2つの実世界の粒子系上で実証的に評価した。
論文 参考訳（メタデータ） (2023-05-21T03:51:03Z) - Near-realtime Facial Animation by Deep 3D Simulation Super-Resolution [7.14576106770047]
本稿では,低コストでリアルタイムな物理シミュレーションによって生み出す顔のパフォーマンスを効率よく,現実的に向上させるニューラルネットワークに基づくシミュレーションフレームワークを提案する。
顔のアニメーションをこのようなシミュレーション領域の例に用いて,2つのシミュレータで同じ筋の運動制御と骨格のポーズを単純にダイヤルすることで,この意味の一致を創り出すことができる。
提案するニューラルネットワーク超解像フレームワークは,このトレーニングセットから未確認表現を一般化し,リアルタイム変種における解像度の制限やコスト削減近似による2つのシミュレーション間の不一致をモデル化するための補償を行うとともに,意味記述子やパラメータを必要としない。
論文 参考訳（メタデータ） (2023-05-05T00:09:24Z) - Physical Systems Modeled Without Physical Laws [0.0]
ツリーベースの機械学習手法は、シミュレーションに関わる複雑なバックを「知る」ことなく、望ましい出力をエミュレートすることができる。
具体的には、2つのシミュレーション出力間の特定の時空間データの予測と、数値計算を繰り返す計算コストを伴わずに、物理予測の一般化に焦点をあてる。
論文 参考訳（メタデータ） (2022-07-26T20:51:20Z) - GeoSim: Photorealistic Image Simulation with Geometry-Aware Composition [81.24107630746508]
GeoSimは、新しい都市の運転シーンを合成するジオメトリ認識の画像合成プロセスです。
まず、センサーデータからリアルな形状と外観の両方を備えた多様な3Dオブジェクトのバンクを構築します。
得られた合成画像は、フォトリアリズム、トラフィック認識、幾何学的一貫性があり、画像シミュレーションが複雑なユースケースにスケールできる。
論文 参考訳（メタデータ） (2021-01-16T23:00:33Z) - 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) - Training robust anomaly detection using ML-Enhanced simulations [1.370633147306388]
シミュレーションは、実世界のデータではスパースまたは非存在の可能性のある異常検出のためのエッジ条件を提供することができる。
我々の手法は、実世界のデータに基づいてトレーニングされたニューラルネットワークを用いてシミュレーションを強化し、従来のシミュレーションよりもリアルで可変な出力を生成する。
論文 参考訳（メタデータ） (2020-08-27T12:28:07Z) - 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) - RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。
シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文 参考訳（メタデータ） (2020-04-14T20:52:49Z)
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。