論文の概要: Inverse-dynamics observer design for a linear single-track vehicle model with distributed tire dynamics

• arxiv url: http://arxiv.org/abs/2603.07499v1
• Date: Sun, 08 Mar 2026 07:05:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.053394
• Title: Inverse-dynamics observer design for a linear single-track vehicle model with distributed tire dynamics
• Title（参考訳）: タイヤ動力学を分散した線形単軌道車両モデルの逆力学オブザーバ設計
• Authors: Luigi Romano, Ole Morten Aamo, Jan Åslund, Erik Frisk,
• Abstract要約: 本稿では,タイヤの分散表現と標準センサから収集した情報とを線形単線モデルと組み合わせた革新的オブザーバを提案する。 シミュレーション結果から, 騒音やモデルの不確実性があっても, サイドリップ角度とタイヤ力の推定に観察者が有効であることを示す。
• 参考スコア（独自算出の注目度）: 1.453612836743437
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate estimation of the vehicle's sideslip angle and tire forces is essential for enhancing safety and handling performances in unknown driving scenarios. To this end, the present paper proposes an innovative observer that combines a linear single-track model with a distributed representation of the tires and information collected from standard sensors. In particular, by adopting a comprehensive representation of the tires in terms of hyperbolic partial differential equations (PDEs), the proposed estimation strategy exploits dynamical inversion to reconstruct the lumped and distributed vehicle states solely from yaw rate and lateral acceleration measurements. Simulation results demonstrate the effectiveness of the observer in estimating the sideslip angle and tire forces even in the presence of noise and model uncertainties.
• Abstract（参考訳）: 車両のサイドリップ角度とタイヤ力の正確な推定は、未知の運転シナリオにおける安全性の向上と性能の取り扱いに不可欠である。 そこで本研究では,タイヤの分散表現と標準センサから収集した情報とを線形単トラックモデルと組み合わせた革新的なオブザーバを提案する。 特に、双曲偏微分方程式(PDE)の観点からタイヤの包括的表現を採用することにより、提案手法は動的逆転を利用して、ヨーレートと横加速度測定のみから、走行状態と分散車両状態の再構成を行う。 シミュレーション結果から, 騒音やモデルの不確実性があっても, サイドリップ角度とタイヤ力の推定に観察者が有効であることを示す。

関連論文リスト

• Adaptive Visual Autoregressive Acceleration via Dual-Linkage Entropy Analysis [50.48301331112126]
  我々は,Visual AutoRegressive モデリングのためのトレーニング不要なトークン削減促進フレームワーク NOVA を提案する。 NOVAは、スケールエントロピー成長の屈折点をオンライン同定することにより、推論中のアクティベーションアクティベーションスケールを適応的に決定する。 実験と解析により、NOVAはシンプルで効果的なトレーニングフリー加速フレームワークとして評価される。
  論文  参考訳（メタデータ） (2026-02-01T17:29:42Z)
• ResAD: Normalized Residual Trajectory Modeling for End-to-End Autonomous Driving [64.42138266293202]
  ResADは正規化された残留軌道モデリングフレームワークである。 学習タスクを再編成し、慣性参照からの残留偏差を予測する。 NAVSIMベンチマークでは、ResADはバニラ拡散ポリシーを用いて最先端のPDMS 88.6を達成している。
  論文  参考訳（メタデータ） (2025-10-09T17:59:36Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• A Driving Regime-Embedded Deep Learning Framework for Modeling Intra-Driver Heterogeneity in Multi-Scale Car-Following Dynamics [5.579243411257874]
  本稿では、離散駆動方式を車体運動予測に組み込む新しいデータ駆動型自動車追従フレームワークを提案する。 提案したハイブリッドディープラーニングアーキテクチャは、離散運転系統分類のためのGated Recurrent Unitsと、連続的キネマティック予測のためのLong Short-Term Memory Networkを組み合わせたものである。 このフレームワークはアクセラレーションの予測誤差を著しく減らし(最大MSE改善は58.47%に達した)、速度と距離を計測し、重要な交通現象を再現する。
  論文  参考訳（メタデータ） (2025-06-06T09:19:33Z)
• Characterized Diffusion Networks for Enhanced Autonomous Driving Trajectory Prediction [0.6202955567445396]
  本稿では,自律走行のための新しい軌道予測モデルを提案する。 本モデルは,不確実性推定と複雑なエージェント相互作用を組み込むことにより,軌道予測の精度と信頼性を向上させる。 提案モデルでは,実環境における自律走行システムへの応用の可能性を示す。
  論文  参考訳（メタデータ） (2024-11-25T15:03:44Z)
• FollowGen: A Scaled Noise Conditional Diffusion Model for Car-Following Trajectory Prediction [9.2729178775419]
  本研究では,自動車追従軌道予測のためのスケールドノイズ条件拡散モデルを提案する。 車両間の詳細な相互作用と自動車追従ダイナミクスを生成フレームワークに統合し、予測された軌跡の精度と妥当性を向上させる。 種々の実世界の運転シナリオに関する実験結果は,提案手法の最先端性能と堅牢性を示すものである。
  論文  参考訳（メタデータ） (2024-11-23T23:13:45Z)
• Neural Network Tire Force Modeling for Automated Drifting [0.2999888908665658]
  本稿では,物理に基づくアプローチの代替として,前輪横力を予測するニューラルネットワークアーキテクチャを提案する。 我々はこれらのモデルを基準ドリフト軌跡を追跡するために調整された非線形モデル予測コントローラに展開する。
  論文  参考訳（メタデータ） (2024-07-18T17:58:01Z)
• Towards Generalizable and Interpretable Motion Prediction: A Deep Variational Bayes Approach [54.429396802848224]
  本稿では,分布外ケースに対する頑健な一般化性を有する動き予測のための解釈可能な生成モデルを提案する。 このモデルでは, 長期目的地の空間分布を推定することにより, 目標駆動動作予測を実現する。 動き予測データセットの実験は、適合したモデルが解釈可能で一般化可能であることを検証した。
  論文  参考訳（メタデータ） (2024-03-10T04:16:04Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality [46.909086734963665]
  本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。 従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。 RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
  論文  参考訳（メタデータ） (2023-12-12T06:21:30Z)
• Objective-aware Traffic Simulation via Inverse Reinforcement Learning [31.26257563160961]
  逆強化学習問題として交通シミュレーションを定式化する。 動的ロバストシミュレーション学習のためのパラメータ共有逆強化学習モデルを提案する。 提案モデルでは,実世界の車両の軌道を模倣し,同時に報酬関数を復元することができる。
  論文  参考訳（メタデータ） (2021-05-20T07:26:34Z)

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。