論文の概要: Co-Design of Rover Wheels and Control using Bayesian Optimization and Rover-Terrain Simulations
- arxiv url: http://arxiv.org/abs/2602.01535v1
- Date: Mon, 02 Feb 2026 02:10:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:41.072576
- Title: Co-Design of Rover Wheels and Control using Bayesian Optimization and Rover-Terrain Simulations
- Title（参考訳）: ベイジアン最適化とローバー・テラインシミュレーションを用いたローバーホイールの共設計と制御
- Authors: Huzaifa Mustafa Unjhawala, Khizar Shaikh, Luning Bakke, Radu Serban, Dan Negrut,
- Abstract要約: 本稿では, 変形可能な地形における高忠実度フルサイクルシミュレーションを用いて, ローバーホイール形状と操舵制御パラメータを共設計する枠組みを提案する。
車輪と制御パラメータの同時同時最適化と,機械設計と制御設計を分離する逐次的アプローチの2つの戦略を比較した。
3000以上のフルサイクルシミュレーションが実施され、キャンペーンは5日から9日で終了する。
- 参考スコア（独自算出の注目度）: 0.3131740922192114
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While simulation is vital for optimizing robotic systems, the cost of modeling deformable terrain has long limited its use in full-vehicle studies of off-road autonomous mobility. For example, Discrete Element Method (DEM) simulations are often confined to single-wheel tests, which obscures coupled wheel-vehicle-controller interactions and prevents joint optimization of mechanical design and control. This paper presents a Bayesian optimization framework that co-designs rover wheel geometry and steering controller parameters using high-fidelity, full-vehicle closed-loop simulations on deformable terrain. Using the efficiency and scalability of a continuum-representation model (CRM) for terramechanics, we evaluate candidate designs on trajectories of varying complexity while towing a fixed load. The optimizer tunes wheel parameters (radius, width, and grouser features) and steering PID gains under a multi-objective formulation that balances traversal speed, tracking error, and energy consumption. We compare two strategies: simultaneous co-optimization of wheel and controller parameters versus a sequential approach that decouples mechanical and control design. We analyze trade-offs in performance and computational cost. Across 3,000 full-vehicle simulations, campaigns finish in five to nine days, versus months with the group's earlier DEM-based workflow. Finally, a preliminary hardware study suggests the simulation-optimized wheel designs preserve relative performance trends on the physical rover. Together, these results show that scalable, high-fidelity simulation can enable practical co-optimization of wheel design and control for off-road vehicles on deformable terrain without relying on prohibitively expensive DEM studies. The simulation infrastructure (scripts and models) is released as open source in a public repository to support reproducibility and further research.
- Abstract（参考訳）: ロボットシステムの最適化にはシミュレーションが不可欠だが、変形可能な地形をモデル化するコストは、オフロード自律移動のフルサイクル研究において長い間、その使用を制限してきた。
例えば、離散要素法(DEM)シミュレーションは単輪テストに限られており、車輪-車両-制御装置の相互作用を曖昧にし、機械設計と制御の共同最適化を妨げている。
本稿では、変形可能な地形上での高忠実で完全な閉ループシミュレーションを用いて、ローバーホイール形状とステアリングコントローラパラメータを共設計するベイズ最適化フレームワークを提案する。
テラメカニクスにおける連続体表現モデル(CRM)の効率性と拡張性を利用して,固定荷重を引きながら,様々な複雑さの軌跡の候補設計を評価する。
このオプティマイザは、回転速度、追従誤差、エネルギー消費のバランスをとる多目的定式化の下で、車輪パラメータ(半径、幅、グルーパーの特徴)を調整し、PIDを操る。
車輪と制御パラメータの同時同時最適化と,機械設計と制御設計を分離する逐次的アプローチの2つの戦略を比較した。
我々は性能と計算コストのトレードオフを分析する。
3000以上のフルサイクルシミュレーションが実施され、キャンペーンは5日から9日で終了する。
最後に、予備的なハードウェア研究により、シミュレーション最適化された車輪設計は、物理ローバーの相対的な性能傾向を保っていることを示唆している。
これらの結果と合わせて、スケーラブルで高忠実なシミュレーションにより、不規則に高価なDEM研究に頼ることなく、変形可能な地形上での車輪設計とオフロード車両の制御を実践的に共最適化できることを示した。
シミュレーションインフラストラクチャ(スクリプトとモデル)は、再現性とさらなる研究をサポートするために、パブリックリポジトリでオープンソースとしてリリースされている。
関連論文リスト
- Analyzing the Impact of Simulation Fidelity on the Evaluation of Autonomous Driving Motion Control [4.815503491342169]
総合的なAutoware互換車モデルを導入する。
我々は,各モデルの近似品質を定量化するために,550回以上のシミュレーション実行を評価した。
我々は、制御アルゴリズムを評価するために、車両モデルをどの程度単純化できるかを推定する。
論文 参考訳（メタデータ） (2026-02-08T14:21:14Z) - HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving [59.55918581964678]
HybridWorldSimは、静的バックグラウンドのためのマルチトラバースニューラルネットワーク再構成と、動的エージェントの生成モデルを統合するハイブリッドシミュレーションフレームワークである。
我々は、様々な都市をまたがる幅広いルートや環境条件をキャプチャーする、新しいマルチトラバースデータセットMIRRORをリリースする。
論文 参考訳（メタデータ） (2025-11-27T07:53:16Z) - MR-LDM -- The Merge-Reactive Longitudinal Decision Model: Game Theoretic Human Decision Modeling for Interactive Sim Agents [0.9883562565157391]
我々は,戦術的意思決定のためのゲーム理論モデルをターゲットにして,ハイウェイマージシナリオのシミュレーションを改善することを目的としている。
これを基礎となるダイナミックスモデルと組み合わせて、より現実的なインタラクションをキャプチャできる統一された決定と動的モデルを持ちます。
論文 参考訳（メタデータ） (2025-07-15T20:41:00Z) - Gradient-based Trajectory Optimization with Parallelized Differentiable Traffic Simulation [24.95575815501035]
インテリジェントドライバモデル(IDM)に基づく並列化微分可能交通シミュレータを提案する。
我々の車両シミュレーターは、車両の動きを効率的にモデル化し、現実世界のデータに合うように教師できる軌道を生成する。
このシミュレータを用いて、入力軌跡の雑音をフィルタリングし(軌道フィルタリング)、スパース軌跡から高密度軌跡を再構成し(軌道再構成)、将来の軌跡を予測する。
論文 参考訳（メタデータ） (2024-12-21T19:53:38Z) - 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) - Online Calibration of a Single-Track Ground Vehicle Dynamics Model by Tight Fusion with Visual-Inertial Odometry [8.165828311550152]
視覚的慣性眼圧計(VIO)を用いた車輪付き地上車両の単トラックダイナミックスモデルに厳密に融合する新しいアプローチST-VIOを提案する。
提案手法は,将来的な制御入力における前方予測の精度を向上させるために,動的モデルをオンラインで校正し,適応する。
論文 参考訳（メタデータ） (2023-09-20T08:50:30Z) - 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) - Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。
連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。
我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
論文 参考訳（メタデータ） (2021-11-15T18:50:04Z)
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。