論文の概要: GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes and Minimalist Workflow

• arxiv url: http://arxiv.org/abs/2401.15803v2
• Date: Tue, 30 Jan 2024 15:57:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-31 11:34:38.210563
• Title: GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes and Minimalist Workflow
• Title（参考訳）: GarchingSim:フォトリアリスティックシーンとミニマリストワークフローを備えた自律走行シミュレータ
• Authors: Liguo Zhou, Yinglei Song, Yichao Gao, Zhou Yu, Michael Sodamin, Hongshen Liu, Liang Ma, Lian Liu, Hao Liu, Yang Liu, Haichuan Li, Guang Chen, Alois Knoll
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 24.789118651720045
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Conducting real road testing for autonomous driving algorithms can be expensive and sometimes impractical, particularly for small startups and research institutes. Thus, simulation becomes an important method for evaluating these algorithms. However, the availability of free and open-source simulators is limited, and the installation and configuration process can be daunting for beginners and interdisciplinary researchers. We introduce an autonomous driving simulator with photorealistic scenes, meanwhile keeping a user-friendly workflow. The simulator is able to communicate with external algorithms through ROS2 or Socket.IO, making it compatible with existing software stacks. Furthermore, we implement a highly accurate vehicle dynamics model within the simulator to enhance the realism of the vehicle's physical effects. The simulator is able to serve various functions, including generating synthetic data and driving with machine learning-based algorithms. Moreover, we prioritize simplicity in the deployment process, ensuring that beginners find it approachable and user-friendly.
• Abstract（参考訳）: 自動運転アルゴリズムの実際の道路テストは、特に小さなスタートアップや研究機関にとって、高価で時には実用的ではない。 したがって、シミュレーションはこれらのアルゴリズムを評価する重要な方法となる。 しかし、フリーでオープンソースのシミュレータが利用できることは限られており、初心者や学際研究者にとってインストールと設定のプロセスは大変である。 ユーザフレンドリーなワークフローを維持しながら、フォトリアリスティックなシーンを備えた自動運転シミュレータを導入する。 シミュレータはROS2やSocket.IOを通じて外部のアルゴリズムと通信でき、既存のソフトウェアスタックと互換性がある。 さらに,車両の物理的効果の実現性を高めるため,シミュレータ内で高精度な車両動力学モデルを実装した。 シミュレータは、合成データの生成や機械学習ベースのアルゴリズムによる運転など、さまざまな機能を提供する。 さらに、デプロイプロセスの単純さを優先し、初心者が親しみやすく、ユーザフレンドリーであることを確認します。

関連論文リスト

• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• DrEureka: Language Model Guided Sim-To-Real Transfer [64.14314476811806]
  シミュレーションで学んだ政策を現実世界に伝達することは、ロボットのスキルを大規模に獲得する上で有望な戦略である。 本稿では,Large Language Models (LLMs) を用いてシム・トゥ・リアル設計の自動化と高速化を行う。 本手法では,ヨガボールの上を歩行する四足歩行や四足歩行など,新しいロボットタスクを解くことができる。
  論文  参考訳（メタデータ） (2024-06-04T04:53:05Z)
• 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)
• Autonomous Driving Simulator based on Neurorobotics Platform [11.25880077022107]
  自動運転車には人工知能アルゴリズムがたくさんあるが、これらのアルゴリズムを直接車両にインストールするのは非現実的で高価だ。 同時に、これらのアルゴリズムの多くは、トレーニングと最適化のための環境を必要としています。 このレポートは、Neurorobotics Platformに関する小さな研究から始まり、真の現実世界のシミュレーション目標を達成するための新しいシミュレータの開発の可能性と可能性を分析する。
  論文  参考訳（メタデータ） (2022-12-31T01:12:27Z)
• Towards Optimal Strategies for Training Self-Driving Perception Models in Simulation [98.51313127382937]
  合成ドメインのみにおけるラベルの使用に焦点を当てる。 提案手法では,ニューラル不変表現の学習方法と,シミュレータからデータをサンプリングする方法に関する理論的にインスピレーションを得た視点を導入する。 マルチセンサーデータを用いた鳥眼視車両分割作業におけるアプローチについて紹介する。
  論文  参考訳（メタデータ） (2021-11-15T18:37:43Z)
• SimNet: Learning Reactive Self-driving Simulations from Real-world Observations [10.035169936164504]
  運転体験を現実的にシミュレートできるエンドツーエンドのトレーニング可能な機械学習システムを提案する。 これは、高価で時間を要する道路テストに頼ることなく、自動運転システムのパフォーマンスの検証に使用できる。
  論文  参考訳（メタデータ） (2021-05-26T05:14:23Z)
• 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)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)
• 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。