論文の概要: Fire as a Service: Augmenting Robot Simulators with Thermally and Visually Accurate Fire Dynamics
- arxiv url: http://arxiv.org/abs/2603.19063v1
- Date: Thu, 19 Mar 2026 15:55:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-21 18:33:56.995026
- Title: Fire as a Service: Augmenting Robot Simulators with Thermally and Visually Accurate Fire Dynamics
- Title（参考訳）: Fire as a Service: 熱的かつ視覚的に正確な火災ダイナミクスを備えたロボットシミュレータ
- Authors: Anton R. Wagner, Madhan Balaji Rao, Helge Wrede, Sören Pirk, Xuesu Xiao,
- Abstract要約: Fire as a Serviceは、既存のロボットシミュレータを高忠実で効率的な火災シミュレーションで強化する、新しいシミュレーションフレームワークである。
我々のフレームワークは、多様なロボットシミュレータと統合して、物理的に正確な火災行動を生成し、ロボットプラットフォームが遭遇する熱リスクをベンチマークし、現実的なマルチモーダルデータを収集することができる。
ロボットシミュレーションにファイアダイナミクスを追加することで、Fは、ファイアシナリオにおけるロボットのより安全で信頼性の高いデプロイメントへのスケーラブルな経路を提供する。
- 参考スコア（独自算出の注目度）: 13.663004460895912
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Most existing robot simulators prioritize rigid-body dynamics and photorealistic rendering, but largely neglect the thermally and optically complex phenomena that characterize real-world fire environments. For robots envisioned as future firefighters, this limitation hinders both reliable capability evaluation and the generation of representative training data prior to deployment in hazardous scenarios. To address these challenges, we introduce Fire as a Service (FaaS), a novel, asynchronous co-simulation framework that augments existing robot simulators with high-fidelity and computationally efficient fire simulations. Our pipeline enables robots to experience accurate, multi-species thermodynamic heat transfer and visually consistent volumetric smoke without disrupting high-frequency rigid-body control loops. We demonstrate that our framework can be integrated with diverse robot simulators to generate physically accurate fire behavior, benchmark thermal hazards encountered by robotic platforms, and collect realistic multimodal perceptual data. Crucially, its real-time performance supports human-in-the-loop teleoperation, enabling the successful training of reactive, multimodal policies via Behavioral Cloning. By adding fire dynamics to robot simulations, FaaS provides a scalable pathway toward safer, more reliable deployment of robots in fire scenarios.
- Abstract（参考訳）: 既存のロボットシミュレータの多くは剛体力学とフォトリアリスティックレンダリングを優先しているが、実際の火災環境を特徴付ける熱的かつ光学的に複雑な現象をほとんど無視している。
将来の消防士として想定されるロボットにとって、この制限は、危険シナリオに展開する前に、信頼性の高い能力評価と代表訓練データの生成の両方を妨げる。
これらの課題に対処するために、我々は、既存のロボットシミュレータを高忠実で計算効率のよい火災シミュレーションで強化する、新しい非同期コシミュレートフレームワークであるFire as a Service (FaaS)を紹介した。
我々のパイプラインは、高周波剛体制御ループを乱すことなく、正確で多種熱力学的熱伝達と視覚的に一貫した体積喫煙をロボットが体験することを可能にする。
筆者らのフレームワークは多様なロボットシミュレータと統合して、物理的に正確な火災行動を生成し、ロボットプラットフォームが遭遇する熱的危険性をベンチマークし、現実的なマルチモーダル知覚データを収集できることを実証した。
重要なのは、そのリアルタイムパフォーマンスは、ヒューマン・イン・ザ・ループの遠隔操作をサポートし、ビヘイビア・クローンを通じて、リアクティブでマルチモーダルなポリシーのトレーニングを成功させることができることだ。
ロボットシミュレーションにファイアダイナミクスを追加することで、FaaSは、ファイアシナリオにおけるロボットのより安全で信頼性の高いデプロイメントへのスケーラブルなパスを提供する。
関連論文リスト
- DiffusionHarmonizer: Bridging Neural Reconstruction and Photorealistic Simulation with Online Diffusion Enhancer [62.18680935878919]
レンダリングを時間的に一貫した出力に変換するオンライン生成拡張フレームワークであるDiffusionHarmonizerを紹介した。
コアとなるのは、単一のGPU上でオンラインシミュレータで実行可能な、一段階の時間的条件付きエンハンサーである。
論文 参考訳（メタデータ） (2026-02-27T15:35:30Z) - SoMA: A Real-to-Sim Neural Simulator for Robotic Soft-body Manipulation [33.51083722346151]
既存のシミュレータは、事前に定義された物理やデータ駆動力学に依存しており、ロボットが制御することはない。
本稿では,ソフトボディ操作のための3次元ガウスSplatシミュレータSoMAを提案する。
論文 参考訳（メタデータ） (2026-02-02T17:59:31Z) - XR-DT: Extended Reality-Enhanced Digital Twin for Agentic Mobile Robots [10.083050242188422]
本稿では,エージェント移動ロボットのためのeXtended Reality-enhanced Digital TwinフレームワークであるXR-DTを提案する。
人間の意図,環境力学,ロボット認知をXR-DTフレームワークに組み込むことで,本システムは解釈可能,信頼性,適応的HRIを実現する。
論文 参考訳（メタデータ） (2025-12-04T21:49:14Z) - RobotArena $\infty$: Scalable Robot Benchmarking via Real-to-Sim Translation [47.79800816696372]
操作ポリシーの現実的なテストは、大規模に労働集約的で、再現が難しい。
既存のシミュレーションベンチマークも同様に制限されており、同じ合成ドメイン内でポリシーをトレーニングおよびテストしている。
本稿では,VLA評価を大規模にシミュレーションした拡張環境に移行することで,これらの課題を克服する新しいベンチマークフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-27T17:41:38Z) - Unreal Robotics Lab: A High-Fidelity Robotics Simulator with Advanced Physics and Rendering [4.760567755149477]
本稿では,Unreal Engineの高度なレンダリング機能とMuJoCoの高精度物理シミュレーションを統合する新しいシミュレーションフレームワークを提案する。
我々のアプローチは、正確な物理的相互作用を維持しながら、現実的なロボット知覚を可能にする。
フレームワーク内のビジュアルナビゲーションとSLAMメソッドをベンチマークし、制御されながら多様なシナリオで実世界のロバスト性をテストするための実用性を実証する。
論文 参考訳（メタデータ） (2025-04-19T01:54:45Z) - DiffGen: Robot Demonstration Generation via Differentiable Physics Simulation, Differentiable Rendering, and Vision-Language Model [72.66465487508556]
DiffGenは、微分可能な物理シミュレーション、微分可能なレンダリング、ビジョン言語モデルを統合する新しいフレームワークである。
言語命令の埋め込みとシミュレートされた観察の埋め込みとの距離を最小化することにより、現実的なロボットデモを生成することができる。
実験によると、DiffGenを使えば、人間の努力やトレーニング時間を最小限に抑えて、ロボットデータを効率よく、効果的に生成できる。
論文 参考訳（メタデータ） (2024-05-12T15:38:17Z) - RoboScript: Code Generation for Free-Form Manipulation Tasks across Real
and Simulation [77.41969287400977]
本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。
自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。
我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
論文 参考訳（メタデータ） (2024-02-22T15:12:00Z) - Robot Learning with Sensorimotor Pre-training [98.7755895548928]
ロボット工学のための自己教師型感覚運動器事前学習手法を提案する。
我々のモデルはRTTと呼ばれ、センサモレータトークンのシーケンスで動作するトランスフォーマーである。
感覚運動の事前学習は、ゼロからトレーニングを一貫して上回り、優れたスケーリング特性を持ち、さまざまなタスク、環境、ロボット間での移動を可能にしている。
論文 参考訳（メタデータ） (2023-06-16T17:58:10Z) - Residual Physics Learning and System Identification for Sim-to-real
Transfer of Policies on Buoyancy Assisted Legged Robots [14.760426243769308]
本研究では,BALLUロボットのシステム識別による制御ポリシのロバストなシミュレートを実演する。
標準的な教師あり学習の定式化に頼るのではなく、深層強化学習を利用して外部力政策を訓練する。
シミュレーショントラジェクトリと実世界のトラジェクトリを比較することで,改良されたシミュレーション忠実度を解析する。
論文 参考訳（メタデータ） (2023-03-16T18:49:05Z) - Learning Bipedal Walking for Humanoids with Current Feedback [5.429166905724048]
アクチュエータレベルでの不正確なトルクトラッキングから生じるヒューマノイドロボットのシム2リアルギャップ問題を克服するためのアプローチを提案する。
提案手法は、実際のHRP-5Pヒューマノイドロボットに展開して二足歩行を実現するシミュレーションにおいて、一貫したエンドツーエンドのポリシーをトレーニングする。
論文 参考訳（メタデータ） (2023-03-07T08:16:46Z)
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。