論文の概要: TranSimHub:A Unified Air-Ground Simulation Platform for Multi-Modal Perception and Decision-Making
- arxiv url: http://arxiv.org/abs/2510.15365v1
- Date: Fri, 17 Oct 2025 06:56:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-20 20:17:34.50287
- Title: TranSimHub:A Unified Air-Ground Simulation Platform for Multi-Modal Perception and Decision-Making
- Title（参考訳）: TranSimHub:マルチモーダルパーセプションと意思決定のための統一空気圏シミュレーションプラットフォーム
- Authors: Maonan Wang, Yirong Chen, Yuxin Cai, Aoyu Pang, Yuejiao Xie, Zian Ma, Chengcheng Xu, Kemou Jiang, Ding Wang, Laurent Roullet, Chung Shue Chen, Zhiyong Cui, Yuheng Kan, Michael Lepech, Man-On Pun,
- Abstract要約: TranSimHubは、地上共同インテリジェンスのための統合シミュレーションプラットフォームである。
TranSimHubは、RGB、ディープ、セマンティックセグメンテーションのモダリティをまたいだ同期マルチビューレンダリングを提供する。
2つのドメイン間の情報交換もサポートし、因果シーンエディタも備えている。
- 参考スコア（独自算出の注目度）: 17.939446795745138
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Air-ground collaborative intelligence is becoming a key approach for next-generation urban intelligent transportation management, where aerial and ground systems work together on perception, communication, and decision-making. However, the lack of a unified multi-modal simulation environment has limited progress in studying cross-domain perception, coordination under communication constraints, and joint decision optimization. To address this gap, we present TranSimHub, a unified simulation platform for air-ground collaborative intelligence. TranSimHub offers synchronized multi-view rendering across RGB, depth, and semantic segmentation modalities, ensuring consistent perception between aerial and ground viewpoints. It also supports information exchange between the two domains and includes a causal scene editor that enables controllable scenario creation and counterfactual analysis under diverse conditions such as different weather, emergency events, and dynamic obstacles. We release TranSimHub as an open-source platform that supports end-to-end research on perception, fusion, and control across realistic air and ground traffic scenes. Our code is available at https://github.com/Traffic-Alpha/TranSimHub.
- Abstract（参考訳）: 航空と地上のシステムが協調して知覚、コミュニケーション、意思決定を行う次世代の都市交通管理において、航空と地上の協調的な知性は重要なアプローチになりつつある。
しかし、統合マルチモーダルシミュレーション環境の欠如は、クロスドメイン認識、通信制約下での協調、共同決定最適化の研究の進展に限界がある。
このギャップに対処するため,航空・地上協調インテリジェンスのための統一シミュレーションプラットフォームであるTranSimHubを紹介した。
TranSimHubは、RGB、深さ、セマンティックセグメンテーションのモダリティをまたいだ同期マルチビューレンダリングを提供する。
また、2つのドメイン間の情報交換をサポートし、異なる天候、緊急イベント、動的障害といった様々な条件下で制御可能なシナリオの作成と反ファクト分析を可能にする因果シーンエディタを含む。
私たちはTranSimHubをオープンソースプラットフォームとしてリリースし、現実的な空気や地上の交通シーンに対する知覚、融合、制御に関するエンドツーエンドの研究を支援しています。
私たちのコードはhttps://github.com/Traffic-Alpha/TranSimHubで利用可能です。
関連論文リスト
- Sky-Drive: A Distributed Multi-Agent Simulation Platform for Human-AI Collaborative and Socially-Aware Future Transportation [8.821410584051648]
本稿では,新しい分散マルチエージェントシミュレーションプラットフォームであるSky-Driveを紹介する。
Sky-Driveは、自動運転車と人間の道路ユーザーインタラクションモデリング、ヒューマン・イン・ザ・ループのトレーニング、社会的に認識された強化学習、パーソナライズされた運転開発、カスタマイズされたシナリオ生成など、多様なアプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-04-25T01:33:26Z) - 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) - MSMA: Multi-agent Trajectory Prediction in Connected and Autonomous Vehicle Environment with Multi-source Data Integration [4.2371435508360085]
本研究では,コネクテッド・自律走行車(CAV)が中心的エージェントとなるシナリオに着目した。
我々の軌道予測タスクは、検出された周辺車両すべてを対象としている。
センサと通信技術の両方のマルチソースデータを効果的に統合するために,MSMAと呼ばれるディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-31T03:26:14Z) - 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) - 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) - A Multi-Modal Simulation Framework to Enable Digital Twin-based V2X Communications in Dynamic Environments [10.652127049174883]
近年,物理無線環境のためのディジタルツイン(DT)が,伝播環境の正確な仮想表現として提案されている。
本稿では,V2X通信シナリオのDT作成のための新しいデータ駆動ワークフローを提案する。
本稿では,V2Xリンク復元のためのDT支援ブロックハンドオーバタスクに関するフレームワークについて紹介する。
論文 参考訳（メタデータ） (2023-03-13T09:31:20Z) - 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) - TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。
特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。
TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
論文 参考訳（メタデータ） (2021-01-17T00:29:30Z)
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。