論文の概要: vEDGAR -- Can CARLA Do HiL?

• arxiv url: http://arxiv.org/abs/2512.08541v1
• Date: Tue, 09 Dec 2025 12:39:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.229111
• Title: vEDGAR -- Can CARLA Do HiL?
• Title（参考訳）: vEDGAR -- CARLAがHELを実行できるか?
• Authors: Nils Gehrke, David Brecht, Dominik Kulmer, Dheer Patel, Frank Diermeyer,
• Abstract要約: この作業の目標は、専用のハードウェア上で自動化ソフトウェアをテストするためのシミュレーションフレームワークを作ることだ。 提案したvEDGARソフトウェアを評価した結果,自動車両のHiL試験におけるCARLAの適用性について最終結論が得られた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Simulation offers advantages throughout the development process of automated driving functions, both in research and product development. Common open-source simulators like CARLA are extensively used in training, evaluation, and software-in-the-loop testing of new automated driving algorithms. However, the CARLA simulator lacks an evaluation where research and automated driving vehicles are simulated with their entire sensor and actuation stack in real time. The goal of this work is therefore to create a simulation framework for testing the automation software on its dedicated hardware and identifying its limits. Achieving this goal would greatly benefit the open-source development workflow of automated driving functions, designating CARLA as a consistent evaluation tool along the entire development process. To achieve this goal, in a first step, requirements are derived, and a simulation architecture is specified and implemented. Based on the formulated requirements, the proposed vEDGAR software is evaluated, resulting in a final conclusion on the applicability of CARLA for HiL testing of automated vehicles. The tool is available open source: Modified CARLA fork: https://github.com/TUMFTM/carla, vEDGAR Framework: https://github.com/TUMFTM/vEDGAR
• Abstract（参考訳）: シミュレーションは、研究と製品開発の両方において、自動運転機能の開発プロセスを通じて利点を提供する。 CARLAのような一般的なオープンソースシミュレータは、新しい自動運転アルゴリズムのトレーニング、評価、ループ内テストに広く使われている。 しかし、CARLAシミュレータは、センサーとアクティベーションスタック全体をリアルタイムで研究と自動走行車両をシミュレートする評価を欠いている。 この研究の目的は、専用のハードウェア上で自動化ソフトウェアをテストし、その限界を特定するためのシミュレーションフレームワークを作ることである。 この目標を達成することは、自動運転機能のオープンソース開発ワークフローに大きな利益をもたらし、CARLAを開発プロセス全体に沿って一貫した評価ツールとして指定する。 この目標を達成するために、まず第一に要件を導出し、シミュレーションアーキテクチャを指定して実装する。 定式化要件に基づき,提案したvEDGARソフトウェアを評価した結果,自動車両のHiL試験におけるCARLAの適用性について最終結論が得られた。 Modified CARLA fork: https://github.com/TUMFTM/carla, vEDGAR Framework: https://github.com/TUMFTM/vEDGAR

関連論文リスト

• GenAI for Automotive Software Development: From Requirements to Wheels [3.2821049498759094]
  本稿では,GenAIを活用した自動車ソフトウェアの自動開発手法を提案する。 プロセスは要求を入力として開始し、主要な出力はシミュレーション環境のテストシナリオコードである。 弊社のアプローチは、コンプライアンスと再エンジニアリングのサイクルを短縮し、ADAS関連の機能に関して開発とテストの時間を短縮することを目的としている。
  論文  参考訳（メタデータ） (2025-07-24T09:17:13Z)
• On Simulation-Guided LLM-based Code Generation for Safe Autonomous Driving Software [0.577182115743694]
  オートマチック・ドライビング・システム(Automated Driving System, ADS)は、車両の環境の解釈に責任を負う安全クリティカルなソフトウェアシステムである。 ADSの開発には厳格なプロセスが必要で、車両に配備する前にコードを検証し、検証し、評価し、検証する。 本研究では,自動コード生成と評価のためのプロトタイプを開発し,評価した。
  論文  参考訳（メタデータ） (2025-04-02T21:35:11Z)
• Autonomous Vehicle Controllers From End-to-End Differentiable Simulation [57.278726604424556]
  そこで我々は,AVコントローラのトレーニングにAPG(analytic Policy gradients)アプローチを適用可能なシミュレータを提案し,その設計を行う。 提案するフレームワークは, エージェントがより根底的なポリシーを学ぶのを助けるために, 環境力学の勾配を役立てる, エンド・ツー・エンドの訓練ループに, 微分可能シミュレータを組み込む。 ダイナミクスにおけるパフォーマンスとノイズに対する堅牢性の大幅な改善と、全体としてより直感的なヒューマンライクな処理が見られます。
  論文  参考訳（メタデータ） (2024-09-12T11:50:06Z)
• GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes and Minimalist Workflow [24.789118651720045]
  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。
  論文  参考訳（メタデータ） (2024-01-28T23:26:15Z)
• AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
  AutoActはQAのための自動エージェント学習フレームワークである。 大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
  論文  参考訳（メタデータ） (2024-01-10T16:57:24Z)
• 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)
• SilGAN: Generating driving maneuvers for scenario-based software-in-the-loop testing [0.0]
  SilGANは、自動車用ソフトウェア・イン・ザ・ループテストの仕様、刺激発生、自動化を容易にする、深い生成モデルである。 モデルはフィールド内の車両から記録されたデータを使って訓練される。
  論文  参考訳（メタデータ） (2021-07-05T07:17:49Z)

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。