論文の概要: MRDrive: An Open Source Mixed Reality Driving Simulator for Automotive User Research

• arxiv url: http://arxiv.org/abs/2603.08080v1
• Date: Mon, 09 Mar 2026 08:21:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:42.089198
• Title: MRDrive: An Open Source Mixed Reality Driving Simulator for Automotive User Research
• Title（参考訳）: MRDrive: 自動車ユーザー研究のための複合現実運転シミュレータ
• Authors: Patrick Ebel, Michał Patryk Miazga, Martin Lorenz, Timur Getselev, Pavlo Bazilinskyy, Celine Conzen,
• Abstract要約: MRDriveは、車内相互作用、注意力、説明可能性の研究を支援するために設計された、オープンな混合現実駆動シミュレータである。 自動走行シナリオにおいて、シミュレータを用いて視線追跡およびタッチインタラクションデータを収集、分析する方法を実証する。
• 参考スコア（独自算出の注目度）: 1.5971211478336311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Designing and evaluating in-vehicle interfaces requires experimental platforms that combine ecological validity with experimental control. Driving simulators are widely used for this purpose. However, they face a fundamental trade-off: high-fidelity physical simulators are costly and difficult to adapt, while virtual reality simulators provide flexibility at the expense of physical interaction with the vehicle. In this work, we present MRDrive, an open mixed-reality driving simulator designed to support HCI research on in-vehicle interaction, attention, and explainability in manual and automated driving contexts. MRDrive enables drivers and passengers to interact with a real vehicle cabin while being fully immersed in a virtual driving environment. We demonstrate the capabilities of MRDrive through a small pilot study that illustrates how the simulator can be used to collect and analyze eye-tracking and touch interaction data in an automated driving scenario. MRDRive is available at: https://github.com/ciao-group/mrdrive
• Abstract（参考訳）: 車両内インタフェースの設計と評価には、生態学的妥当性と実験制御を組み合わせた実験プラットフォームが必要である。 運転シミュレータはこの目的のために広く利用されている。 しかし、それらは根本的なトレードオフに直面している: 高忠実度物理シミュレータは高価で適応が難しい一方、仮想現実シミュレータは車との物理的相互作用を犠牲にして柔軟性を提供する。 本研究では、車内相互作用、注意力、説明可能性に関するHCI研究を支援するために設計されたオープンな混合現実駆動シミュレータMRDriveについて述べる。 MRDriveは、ドライバーと乗客が仮想運転環境に完全に没入しながら、実際の車両のキャビンと対話することを可能にする。 自動走行シナリオにおける視線追跡とタッチインタラクションデータの収集と解析にシミュレータをどのように使用できるかを示す小さなパイロット実験を通じて,MRDriveの能力を実証する。 MRDRive は以下の https://github.com/ciao-group/mrdrive で利用可能である。

関連論文リスト

• RealEngine: Simulating Autonomous Driving in Realistic Context [60.55873455475112]
  RealEngineは3Dシーン再構成と新しいビュー合成技術を統合する新しい運転シミュレーションフレームワークである。 実世界のマルチモーダルセンサーデータを活用することで、RealEngineはバックグラウンドシーンとフォアグラウンドトラフィック参加者を別々に再構築し、非常に多様な現実的なトラフィックシナリオを実現する。 RealEngineは、非反応性シミュレーション、安全性テスト、マルチエージェントインタラクションの3つの重要な駆動シミュレーションカテゴリをサポートしている。
  論文  参考訳（メタデータ） (2025-05-22T17:01:00Z)
• 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)
• 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)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• DReyeVR: Democratizing Virtual Reality Driving Simulation for Behavioural & Interaction Research [5.200989469097526]
  DReyeVRは、Unreal EngineとCARLAをベースとしたオープンソースの運転シミュレータである。 このシミュレータを5000ドル以下で展開するために必要なハードウェアについて説明する。
  論文  参考訳（メタデータ） (2022-01-06T05:47:08Z)
• 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)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)

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。