論文の概要: From Virtual Environments to Real-World Trials: Emerging Trends in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2603.17714v1
• Date: Wed, 18 Mar 2026 13:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-19 18:32:57.722949
• Title: From Virtual Environments to Real-World Trials: Emerging Trends in Autonomous Driving
• Title（参考訳）: バーチャル環境からリアルワールドへのトライアル:自動運転の新たなトレンド
• Authors: A. Humnabadkar, A. Sikdar, B. Cave, H. Zhang, N. Bessis, A. Behera,
• Abstract要約: i) 認識と計画のための合成データの利用, (ii) システム検証のためのディジタルツインベースシミュレーション, (iii) 合成データと実世界のデータをブリッジするドメイン適応戦略である。 データセット、ツール、シミュレーションプラットフォームの詳細な分類と、ベンチマーク設計のトレンド分析が提供されている。
• 参考スコア（独自算出の注目度）: 0.5661116145449604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous driving technologies have achieved significant advances in recent years, yet their real-world deployment remains constrained by data scarcity, safety requirements, and the need for generalization across diverse environments. In response, synthetic data and virtual environments have emerged as powerful enablers, offering scalable, controllable, and richly annotated scenarios for training and evaluation. This survey presents a comprehensive review of recent developments at the intersection of autonomous driving, simulation technologies, and synthetic datasets. We organize the landscape across three core dimensions: (i) the use of synthetic data for perception and planning, (ii) digital twin-based simulation for system validation, and (iii) domain adaptation strategies bridging synthetic and real-world data. We also highlight the role of vision-language models and simulation realism in enhancing scene understanding and generalization. A detailed taxonomy of datasets, tools, and simulation platforms is provided, alongside an analysis of trends in benchmark design. Finally, we discuss critical challenges and open research directions, including Sim2Real transfer, scalable safety validation, cooperative autonomy, and simulation-driven policy learning, that must be addressed to accelerate the path toward safe, generalizable, and globally deployable autonomous driving systems.
• Abstract（参考訳）: 近年、自動運転技術は大きな進歩を遂げているが、実際の展開はデータの不足、安全性の要件、さまざまな環境にまたがる一般化の必要性によって制約されている。 これに応えて、合成データと仮想環境が強力なイネーブラーとして登場し、トレーニングと評価のためのスケーラブルでコントロール可能なリッチなアノテーション付きシナリオを提供する。 本調査では, 自動運転, シミュレーション技術, 合成データセットの交差点における最近の開発状況について概説する。 私たちは3つの中核的な次元にまたがって風景を整理します。 一 知覚及び計画のための合成データの使用 二 システム検証のためのディジタルツインベースシミュレーション及び 三 合成及び実世界のデータをブリッジする領域適応戦略 また,シーン理解と一般化の促進における視覚言語モデルとシミュレーションリアリズムの役割を強調した。 データセット、ツール、シミュレーションプラットフォームの詳細な分類と、ベンチマーク設計のトレンド分析が提供されている。 最後に、安全で汎用的でグローバルに展開可能な自動運転システムへの道を早めるために、Sim2Real転送、スケーラブルな安全性検証、協調的自律性、シミュレーション駆動型政策学習など、重要な課題と研究の方向性について論じる。

関連論文リスト

• SimScale: Learning to Drive via Real-World Simulation at Scale [45.08991279559151]
  本稿では,既存の運転ログ上に巨大な未確認状態を合成可能な,新規でスケーラブルなシミュレーションフレームワークを提案する。 我々のパイプラインは、高度なニューラルレンダリングとリアクティブ環境を利用して、高忠実度マルチビュー観測を生成する。 我々は、これらの新しいシミュレーション状態に対する擬似経験的軌跡生成機構を開発し、行動監視を行う。
  論文  参考訳（メタデータ） (2025-11-28T17:17:38Z)
• A Survey of World Models for Autonomous Driving [55.520179689933904]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 世界モデルは、マルチセンサーデータ、セマンティックキュー、時間ダイナミクスを統合する駆動環境の高忠実度表現を提供する。 今後の研究は、自己指導型表現学習、マルチモーダル融合、高度なシミュレーションにおける重要な課題に対処する必要がある。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Exploring the Interplay Between Video Generation and World Models in Autonomous Driving: A Survey [61.39993881402787]
  世界モデルとビデオ生成は、自動運転の領域において重要な技術である。 本稿では,この2つの技術の関係について検討する。 映像生成モデルと世界モデルとの相互作用を分析することにより,重要な課題と今後の研究方向性を明らかにする。
  論文  参考訳（メタデータ） (2024-11-05T08:58:35Z)
• A Joint Approach Towards Data-Driven Virtual Testing for Automated Driving: The AVEAS Project [2.4163276807189282]
  シミュレーションのパラメトリゼーションや検証には、現実世界のデータが著しく不足している。 本稿では,ドイツのAVAS研究プロジェクトの結果について述べる。
  論文  参考訳（メタデータ） (2024-05-10T07:36:03Z)
• 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)

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。