論文の概要: OpenCAMS: An Open-Source Connected and Automated Mobility Co-Simulation Platform for Advanced Transportation Research
- arxiv url: http://arxiv.org/abs/2507.09186v1
- Date: Sat, 12 Jul 2025 08:10:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:22.666554
- Title: OpenCAMS: An Open-Source Connected and Automated Mobility Co-Simulation Platform for Advanced Transportation Research
- Title（参考訳）: OpenCAMS: 高度な交通研究のためのオープンソースのコネクテッドモビリティと自動モビリティの共シミュレーションプラットフォーム
- Authors: Minhaj Uddin Ahmad, Akid Abrar, Sagar Dasgupta, Mizanur Rahman,
- Abstract要約: OpenCAMSはオープンソースで、同期化され、共同シミュレーションフレームワークである。
SUMO、CARLA、OMNeT++の3つの最高のクラスシミュレーションツールを密に結合している。
OpenCAMSは交通安全、モビリティ、サイバーセキュリティに関する高度な研究を支援するように設計されている。
- 参考スコア（独自算出の注目度）: 4.58063394223487
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce OpenCAMS (Open-Source Connected and Automated Mobility Co-Simulation Platform), an open-source, synchronized, and extensible co-simulation framework that tightly couples three best-in-class simulation tools: (i) SUMO, (ii) CARLA, and (iii) OMNeT++. OpenCAMS is designed to support advanced research in transportation safety, mobility, and cybersecurity by combining the strengths of each simulation domain. Specifically, SUMO provides large-scale, microscopic traffic modeling; CARLA offers high-fidelity 3D perception, vehicle dynamics, and control simulation; and OMNeT++ enables modular, event-driven network communication, such as cellular vehicle-to-everything (C-V2X). OpenCAMS employs a time-synchronized, bidirectional coupling architecture that ensures coherent simulation progression across traffic, perception, and communication domains while preserving modularity and reproducibility. For example, CARLA can simulate and render a subset of vehicles that require detailed sensor emulation and control logic; SUMO orchestrates network-wide traffic flow, vehicle routing, and traffic signal management; and OMNeT++ dynamically maps communication nodes to both mobile entities (e.g., vehicles) and static entities (e.g., roadside units) to enable C-V2X communication. While these three simulators form the foundational core of OpenCAMS, the platform is designed to be expandable and future-proof, allowing additional simulators to be integrated on top of this core without requiring fundamental changes to the system architecture. The OpenCAMS platform is fully open-source and publicly available through its GitHub repository https://github.com/minhaj6/carla-sumo-omnetpp-cosim, providing the research community with an accessible, flexible, and collaborative environment for advancing next-generation intelligent transportation systems.
- Abstract（参考訳）: OpenCAMS(Open-Source Connected and Automated Mobility Co-Simulation Platform)は、オープンソースで、同期化され、拡張可能なコシミュレートフレームワークである。
(i)相撲(すも)
(二)CARLA、及び
(三)OMNeT++。
OpenCAMSは、各シミュレーションドメインの強度を組み合わせることで、交通安全、モビリティ、サイバーセキュリティに関する高度な研究を支援するように設計されている。
特に、SUMOは大規模で顕微鏡的なトラフィックモデリングを提供し、CARLAは高忠実な3D知覚、車両ダイナミクス、制御シミュレーションを提供し、OMNeT++はセルラー車間通信(C-V2X)のようなモジュラーでイベント駆動のネットワーク通信を可能にする。
OpenCAMSは、モジュール性と再現性を維持しながら、トラフィック、知覚、通信ドメイン間のコヒーレントなシミュレーションを確実にする、時間同期の双方向結合アーキテクチャを採用している。
例えば、CARLAは、詳細なセンサーエミュレーションと制御ロジックを必要とする車両のサブセットをシミュレートおよびレンダリングし、SUMOはネットワーク全体のトラフィックフロー、車両ルーティング、交通信号管理をオーケストレーションし、OMNeT++は通信ノードをモバイルエンティティ(例えば車両)と静的エンティティ(例えば道路側ユニット)の両方に動的にマッピングし、C-V2X通信を可能にする。
これら3つのシミュレータはOpenCAMSの基本的なコアを形成するが、プラットフォームは拡張可能で将来性があり、システムアーキテクチャに根本的な変更を加えることなく、このコア上に追加のシミュレータを統合することができるように設計されている。
OpenCAMSプラットフォームは完全にオープンソースで、GitHubリポジトリ https://github.com/minhaj6/carla-sumo-omnetpp-cosimを通じて公開されている。
関連論文リスト
- ASVSim (AirSim for Surface Vehicles): A High-Fidelity Simulation Framework for Autonomous Surface Vehicle Research [5.906242539489915]
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。
論文 参考訳（メタデータ） (2025-06-27T12:39:16Z) - Cosmos-Transfer1: Conditional World Generation with Adaptive Multimodal Control [97.98560001760126]
複数の空間制御入力に基づいて世界シミュレーションを生成する条件付き世界生成モデルであるCosmos-Transferを導入する。
提案したモデルを解析し,ロボット2Realや自律走行車データ豊かさを含む物理AIへの応用を実証するために評価を行う。
論文 参考訳（メタデータ） (2025-03-18T17:57:54Z) - AUTOFRAME -- A Software-driven Integration Framework for Automotive Systems [20.44829660025384]
この研究は、ソフトウェア定義自動車の複雑さの増加に対処する新しいフレームワークを提示します。
ハードウェア抽象化レイヤと動的ソフトウェアデプロイメント機能を活用して、業界の需要の増大に対応しています。
本研究は,将来の車両の開発・保守を促進する枠組みの可能性を明らかにするものである。
論文 参考訳（メタデータ） (2025-03-06T19:58:38Z) - Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。
i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
論文 参考訳（メタデータ） (2025-03-06T07:36:06Z) - CarDreamer: Open-Source Learning Platform for World Model based Autonomous Driving [25.49856190295859]
世界モデルに基づく強化学習(RL)は,様々な環境の複雑な力学を学習し,予測することで,有望なアプローチとして現れてきた。
高度な運転環境において、そのようなアルゴリズムを訓練し、テストするためのアクセス可能なプラットフォームは存在しない。
私たちは、WMベースの自動運転アルゴリズムの開発に特化して設計された、オープンソースの学習プラットフォームであるCarDreamerを紹介します。
論文 参考訳（メタデータ） (2024-05-15T05:57:20Z) - Tactics2D: A Highly Modular and Extensible Simulator for Driving Decision-making [24.795867304772404]
既存のシミュレータは、様々なシナリオや、交通参加者のためのインタラクティブな振る舞いモデルで不足することが多い。
Tactics2Dは、道路要素、交通規制、行動モデル、車両の物理シミュレーション、イベント検出機構を含む、交通シナリオ構築へのモジュラーアプローチを採用する。
ユーザは、パブリックデータセットとユーザによる実世界のデータの両方を活用することで、さまざまなシナリオで意思決定モデルを駆動するパフォーマンスを効果的に評価できる。
論文 参考訳（メタデータ） (2023-11-18T12:31:34Z) - Drive Anywhere: Generalizable End-to-end Autonomous Driving with
Multi-modal Foundation Models [114.69732301904419]
本稿では、画像とテキストで検索可能な表現から、運転決定を提供することができる、エンドツーエンドのオープンセット(環境/シーン)自律運転を適用するアプローチを提案する。
当社のアプローチでは, 多様なテストにおいて非並列的な結果を示すと同時に, アウト・オブ・ディストリビューションの状況において, はるかに高いロバスト性を実現している。
論文 参考訳（メタデータ） (2023-10-26T17:56:35Z) - TrafficBots: Towards World Models for Autonomous Driving Simulation and
Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。
動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。
オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文 参考訳（メタデータ） (2023-03-07T18:28:41Z) - 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) - Cyber Mobility Mirror for Enabling Cooperative Driving Automation: A
Co-Simulation Platform [16.542137414609606]
共シミュレーションプラットフォームは、高忠実度センサー認識システムとリアルタイム3D再構成システムによるサイバーワールドの両方で、現実世界をシミュレートすることができる。
ミラーワールドシミュレーターは知覚情報から3Dオブジェクトとその軌跡を再構築する役割を担っている。
道路沿いのLiDARを用いたリアルタイム車両検出・3次元再構築システムの研究事例を試作した。
論文 参考訳（メタデータ） (2022-01-24T05:27:20Z) - 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。