論文の概要: Multi-Source Human-in-the-Loop Digital Twin Testbed for Connected and Autonomous Vehicles in Mixed Traffic Flow

• arxiv url: http://arxiv.org/abs/2603.17751v1
• Date: Wed, 18 Mar 2026 14:14:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.953109
• Title: Multi-Source Human-in-the-Loop Digital Twin Testbed for Connected and Autonomous Vehicles in Mixed Traffic Flow
• Title（参考訳）: 混合交通流中における連系・自律走行車両用マルチソースディジタル双極子テストベッド
• Authors: Jianghong Dong, Jiawei Wang, Chunying Yang, Mengchi Cai, Chaoyi Chen, Qing Xu, Jianqiang Wang, Keqiang Li,
• Abstract要約: MSH-MCCT(Multi-Source Human-in-the-Loop Mixed Cloud Control Testbed)は、様々なCAVとHDVの間の複雑な相互作用をキャプチャする新しいCAVテストベッドである。 混合プラットフォームにブリッジされたMSH-MCCTでは、人間ドライバーとCAVアルゴリズムが複数の視野内で物理車と仮想車の両方を動作させることができる。
• 参考スコア（独自算出の注目度）: 18.985646362184617
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the emerging mixed traffic environments, Connected and Autonomous Vehicles (CAVs) have to interact with surrounding human-driven vehicles (HDVs). This paper introduces MSH-MCCT (Multi-Source Human-in-the-Loop Mixed Cloud Control Testbed), a novel CAV testbed that captures complex interactions between various CAVs and HDVs. Utilizing the Mixed Digital Twin concept, which combines Mixed Reality with Digital Twin, MSH-MCCT integrates physical, virtual, and mixed platforms, along with multi-source control inputs. Bridged by the mixed platform, MSH-MCCT allows human drivers and CAV algorithms to operate both physical and virtual vehicles within multiple fields of view. Particularly, this testbed facilitates the coexistence and real-time interaction of physical and virtual CAVs \& HDVs, significantly enhancing the experimental flexibility and scalability. Experiments on vehicle platooning in mixed traffic showcase the potential of MSH-MCCT to conduct CAV testing with multi-source real human drivers in the loop through driving simulators of diverse fidelity. The videos for the experiments are available at our project website: https://dongjh20.github.io/MSH-MCCT.
• Abstract（参考訳）: 混在する交通環境において、コネクテッド・アンド・オートマチック・ビークルズ(CAV)は、周囲の人間駆動車(HDV)と相互作用する必要がある。 本稿では,様々なCAVとHDVの複雑な相互作用を捉える新しいCAVテストベッドであるMSH-MCCT(Multi-Source Human-in-the-Loop Mixed Cloud Control Testbed)を紹介する。 Mixed RealityとDigital Twinを組み合わせたMSH-MCCTは、物理的、仮想、混合プラットフォームとマルチソース制御入力を統合している。 混合プラットフォームにブリッジされたMSH-MCCTでは、人間ドライバーとCAVアルゴリズムが複数の視野内で物理車と仮想車の両方を動作させることができる。 特に、このテストベッドは物理と仮想のCAVとHDVの共存とリアルタイムの相互作用を促進し、実験の柔軟性とスケーラビリティを大幅に向上させる。 混合交通における車両小隊化実験は、MSH-MCCTが様々な忠実さのシミュレータを駆動することで、ループ内の複数ソースのリアルヒューマンドライバーによるCAVテストを行う可能性を示している。 実験のビデオは、プロジェクトのWebサイト(https://dongjh20.github.io/MSH-MCCT)で公開されています。

関連論文リスト

• DMAVA: Distributed Multi-Autonomous Vehicle Architecture Using Autoware [0.0]
  本稿では,複数の物理ホストをまたいだリアルタイム自律運転シミュレーションを実現する分散マルチAVアーキテクチャ(DMAVA)を提案する。 提案システムは、ROS 2 Humble、Autoware Universe、AWSIM Labs、Zenohを統合し、共有Unityベースの環境で複数のAutowareスタックの同時実行をサポートする。
  論文  参考訳（メタデータ） (2026-01-22T21:45:14Z)
• Sky-Drive: A Distributed Multi-Agent Simulation Platform for Human-AI Collaborative and Socially-Aware Future Transportation [8.821410584051648]
  本稿では,新しい分散マルチエージェントシミュレーションプラットフォームであるSky-Driveを紹介する。 Sky-Driveは、自動運転車と人間の道路ユーザーインタラクションモデリング、ヒューマン・イン・ザ・ループのトレーニング、社会的に認識された強化学習、パーソナライズされた運転開発、カスタマイズされたシナリオ生成など、多様なアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-04-25T01:33:26Z)
• Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
  本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。 i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
  論文  参考訳（メタデータ） (2025-03-06T07:36:06Z)
• Transfer Your Perspective: Controllable 3D Generation from Any Viewpoint in a Driving Scene [56.73568220959019]
  共同自動運転(CAV)は有望な方向のようだが、開発のためのデータ収集は簡単ではない。 本研究では,運転シーンにおける異なる視点から現実的な知覚を生み出すことを目的とした,救助支援のための新しいサロゲートを提案する。 シミュレーションされたコラボレーティブデータと実車データを組み合わせた,最初のソリューションを提案する。
  論文  参考訳（メタデータ） (2025-02-10T17:07:53Z)
• 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)
• V2X-Sim: A Virtual Collaborative Perception Dataset for Autonomous Driving [26.961213523096948]
  V2X(V2X)は、車両と周囲のあらゆる物体の協調を意味する。 V2X-Simデータセットは、自動運転における最初の大規模協調認識データセットである。
  論文  参考訳（メタデータ） (2022-02-17T05:14:02Z)
• VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and Policy Learning for Autonomous Vehicles [131.2240621036954]
  VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。 高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。 センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
  論文  参考訳（メタデータ） (2021-11-23T18:58:10Z)
• 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)

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。