論文の概要: ASVSim (AirSim for Surface Vehicles): A High-Fidelity Simulation Framework for Autonomous Surface Vehicle Research
- arxiv url: http://arxiv.org/abs/2506.22174v1
- Date: Fri, 27 Jun 2025 12:39:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-30 21:12:23.197078
- Title: ASVSim (AirSim for Surface Vehicles): A High-Fidelity Simulation Framework for Autonomous Surface Vehicle Research
- Title（参考訳）: ASVSim (AirSim for Surface Vehicles): 自律型表面車両研究のための高忠実度シミュレーションフレームワーク
- Authors: Bavo Lesy, Siemen Herremans, Robin Kerstens, Jan Steckel, Walter Daems, Siegfried Mercelis, Ali Anwar,
- Abstract要約: AirSim For Surface Vehicles (ASVSim) は、内陸および港湾環境での自律輸送研究のためのオープンソースのシミュレーションフレームワークである。
ASVSimは、自律的なナビゲーションアルゴリズムを開発し、合成データセットを生成するための包括的なプラットフォームを提供する。
ASVSimはMITライセンスの下でオープンソースプロジェクトとして提供されており、海洋工学コミュニティの大部分で自律的なナビゲーション研究が利用できるようになる。
- 参考スコア（独自算出の注目度）: 5.906242539489915
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The transport industry has recently shown significant interest in unmanned surface vehicles (USVs), specifically for port and inland waterway transport. These systems can improve operational efficiency and safety, which is especially relevant in the European Union, where initiatives such as the Green Deal are driving a shift towards increased use of inland waterways. At the same time, a shortage of qualified personnel is accelerating the adoption of autonomous solutions. However, there is a notable lack of open-source, high-fidelity simulation frameworks and datasets for developing and evaluating such solutions. To address these challenges, we introduce AirSim For Surface Vehicles (ASVSim), an open-source simulation framework specifically designed for autonomous shipping research in inland and port environments. The framework combines simulated vessel dynamics with marine sensor simulation capabilities, including radar and camera systems and supports the generation of synthetic datasets for training computer vision models and reinforcement learning agents. Built upon Cosys-AirSim, ASVSim provides a comprehensive platform for developing autonomous navigation algorithms and generating synthetic datasets. The simulator supports research of both traditional control methods and deep learning-based approaches. Through limited experiments, we demonstrate the potential of the simulator in these research areas. ASVSim is provided as an open-source project under the MIT license, making autonomous navigation research accessible to a larger part of the ocean engineering community.
- Abstract（参考訳）: 輸送産業は近年、特に港湾および内陸水路輸送のための無人表面車両(USV)に大きな関心を示している。
これらのシステムは、グリーンディールのようなイニシアチブが内陸水路の利用の増加に向けてシフトしている欧州連合(EU)に特に関係している、運用効率と安全性を改善することができる。
同時に、資格のある人材の不足により、自律的なソリューションの採用が加速している。
しかし、そのようなソリューションの開発と評価には、オープンソースの高忠実度シミュレーションフレームワークやデータセットが欠如している。
これらの課題に対処するために、我々は、内陸および港湾環境での自律輸送研究に特化したオープンソースのシミュレーションフレームワークであるAirSim For Surface Vehicles (ASVSim)を紹介した。
このフレームワークは、シミュレーションされた血管力学とレーダーやカメラシステムを含む海洋センサーシミュレーション機能を組み合わせることで、コンピュータビジョンモデルと強化学習エージェントをトレーニングするための合成データセットの生成をサポートする。
Cosys-AirSimをベースに構築されたASVSimは、自律ナビゲーションアルゴリズムを開発し、合成データセットを生成するための包括的なプラットフォームを提供する。
このシミュレータは、従来の制御方法とディープラーニングに基づくアプローチの両方の研究を支援する。
限られた実験を通して,これらの研究領域におけるシミュレータの可能性を示す。
ASVSimはMITライセンスの下でオープンソースプロジェクトとして提供されており、海洋工学コミュニティの大部分で自律的なナビゲーション研究が利用できるようになる。
関連論文リスト
- Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。
まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。
我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
論文 参考訳（メタデータ） (2025-05-13T17:59:20Z) - UGSim: Autonomous Buoyancy-Driven Underwater Glider Simulator with LQR Control Strategy and Recursive Guidance System [3.8632181427836945]
本稿では,浮力駆動グライダーのシミュレータであるUGSimについて述べる。
浮力駆動グライダーに対する複雑な流体力学と静水圧の影響から生じる、ユニークな課題に対処するために設計された。
シミュレーターは、海における高価な時間を要するアルゴリズムの開発と評価を加速するために提供される。
論文 参考訳（メタデータ） (2025-01-29T18:50:41Z) - Evaluating Robustness of Reinforcement Learning Algorithms for Autonomous Shipping [2.9109581496560044]
本稿では,自律型海運シミュレータにおける内陸水路輸送(IWT)のために実装されたベンチマークディープ強化学習(RL)アルゴリズムのロバスト性について検討する。
モデルのないアプローチはシミュレーターで適切なポリシーを達成でき、訓練中に遭遇したことのないポート環境をナビゲートすることに成功した。
論文 参考訳（メタデータ） (2024-11-07T17:55:07Z) - 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) - Aquatic Navigation: A Challenging Benchmark for Deep Reinforcement Learning [53.3760591018817]
ゲームエンジンとDeep Reinforcement Learningの統合の最近の進歩を利用して,水上ナビゲーションのための新しいベンチマーク環境を提案する。
具体的には、最も広く受け入れられているアルゴリズムの一つであるPPOに着目し、先進的なトレーニング手法を提案する。
実験により,これらの成分をうまく組み合わせることで,有望な結果が得られることが示された。
論文 参考訳（メタデータ） (2024-05-30T23:20:23Z) - SeePerSea: Multi-modal Perception Dataset of In-water Objects for Autonomous Surface Vehicles [10.732732686425308]
本稿では,自律航法のためのマルチモーダル認識データセットについて紹介する。
自律型表面車両(ASV)の環境意識を高めるため、水中環境における水中障害物に焦点を当てている。
論文 参考訳（メタデータ） (2024-04-29T04:00:19Z) - Aeolus Ocean -- A simulation environment for the autonomous
COLREG-compliant navigation of Unmanned Surface Vehicles using Deep
Reinforcement Learning and Maritime Object Detection [0.0]
海上部門における無人水上機(USV)の航行自律性は、より安全な水と運用コストの削減につながる可能性がある。
本稿では, 現実的な海洋シミュレーション環境において, COLREG 準拠の DRL を用いた衝突回避航法システムの開発について述べる。
論文 参考訳（メタデータ） (2023-07-13T11:20:18Z) - 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) - Survey of Deep Learning for Autonomous Surface Vehicles in the Marine
Environment [15.41166179659646]
今後数年以内に、幅広い用途で利用できる高度な自動運転技術が提供される予定だ。
本稿では,ASV関連分野におけるディープラーニング(DL)手法の実装に関する既存研究について検討する。
論文 参考訳（メタデータ） (2022-10-16T08:46:17Z) - 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)
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。