論文の概要: High-Speed, All-Terrain Autonomy: Ensuring Safety at the Limits of Mobility

• arxiv url: http://arxiv.org/abs/2603.20525v1
• Date: Fri, 20 Mar 2026 21:51:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:38.950896
• Title: High-Speed, All-Terrain Autonomy: Ensuring Safety at the Limits of Mobility
• Title（参考訳）: 高速全領域自律性:モビリティの限界における安全確保
• Authors: James R. Baxter, Bogdan I. Epureanu, Paramsothy Jayakumar, Tulga Ersal,
• Abstract要約: 局所軌道計画のための新しいモデル予測制御(MPC)法を開発した。 MPCは、多くの最先端手法で無視されるロールオーバーを緩和するために分析的に示される。 プランナーの安全で極端な軌道を提供する能力は、シミュレーション実験とフルスケールの物理実験の両方を通して研究されている。
• 参考スコア（独自算出の注目度）: 5.779535973286779
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A novel local trajectory planner, capable of controlling an autonomous off-road vehicle on rugged terrain at high-speed is presented. Autonomous vehicles are currently unable to safely operate off-road at high-speed, as current approaches either fail to predict and mitigate rollovers induced by rough terrain or are not real-time feasible. To address this challenge, a novel model predictive control (MPC) formulation is developed for local trajectory planning. A new dynamics model for off-road vehicles on rough, non-planar terrain is derived and used for prediction. Extreme mobility, including tire liftoff without rollover, is safely enabled through a new energy-based constraint. The formulation is analytically shown to mitigate rollover types ignored by many state-of-the-art methods, and real-time feasibility is achieved through parallelized GPGPU computation. The planner's ability to provide safe, extreme trajectories is studied through both simulated trials and full-scale physical experiments. The results demonstrate fewer rollovers and more successes compared to a state-of-the-art baseline across several challenging scenarios that push the vehicle to its mobility limits.
• Abstract（参考訳）: 高速で頑丈な地形上で自律的なオフロード車両を制御できる新しい局所軌道プランナについて述べる。 自動運転車は、現在のアプローチでは、荒れた地形によって引き起こされるロールオーバーの予測と緩和に失敗するか、リアルタイムに実現できないため、現在、高速で安全にオフロードを走らせることはできない。 この課題に対処するために、局所軌道計画のための新しいモデル予測制御(MPC)の定式化を開発した。 荒れた非平面地形におけるオフロード車両の新しい力学モデルが導出され,予測に使用される。 転倒のないタイヤリフトオフを含むエクストリームモビリティは、新しいエネルギーベースの制約によって安全に実現される。 この定式化は、多くの最先端手法で無視されるロールオーバー型を緩和するために分析的に示され、並列化GPGPU計算によりリアルタイム実現が可能となる。 プランナーの安全で極端な軌道を提供する能力は、シミュレーション実験とフルスケールの物理実験の両方を通して研究されている。 結果は、車両をモビリティの限界まで押し上げるいくつかの困難なシナリオにまたがる最先端のベースラインと比較して、ロールオーバーや成功率の低下を示している。

関連論文リスト

• Obstacle Avoidance of UAV in Dynamic Environments Using Direction and Velocity-Adaptive Artificial Potential Field [0.0]
  本論文は,無人航空機(UAV)の空域における自律衝突回避の課題について論じる。 それは新しい方向と相対速度重み付き人工電位場(APF)を提案する。 このアプローチでは、障害物の方向と速度に基づいて反発電位を動的にスケールするために、有界重み関数$(,v_e)$を導入している。
  論文  参考訳（メタデータ） (2025-12-08T14:57:01Z)
• Boundary-Guided Trajectory Prediction for Road Aware and Physically Feasible Autonomous Driving [11.436186697804835]
  本稿では,軌道予測を許容駆動方向とその境界によって導かれる制約付き回帰として定式化する新しい枠組みを提案する。 我々は,HPTRベースラインに対するArgoverse-2データセットに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2025-05-10T19:21:00Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
  制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。 提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。 複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
  論文  参考訳（メタデータ） (2023-12-31T04:14:43Z)
• DATT: Deep Adaptive Trajectory Tracking for Quadrotor Control [62.24301794794304]
  Deep Adaptive Trajectory Tracking (DATT)は、学習に基づくアプローチであり、現実世界の大きな乱れの存在下で、任意の、潜在的に実現不可能な軌跡を正確に追跡することができる。 DATTは、非定常風場における可溶性および非実用性の両方の軌道に対して、競争適応性非線形およびモデル予測コントローラを著しく上回っている。 適応非線形モデル予測制御ベースラインの1/4未満である3.2ms未満の推論時間で、効率的にオンラインで実行することができる。
  論文  参考訳（メタデータ） (2023-10-13T12:22:31Z)
• Learning Terrain-Aware Kinodynamic Model for Autonomous Off-Road Rally Driving With Model Predictive Path Integral Control [4.23755398158039]
  本稿では,固有受容情報と外部受容情報の両方に基づいて,地形を考慮したキノダイナミクスモデルを学習する手法を提案する。 提案モデルでは、6自由度運動の信頼性予測が生成され、接触相互作用を推定することもできる。 シミュレーションされたオフロードトラック実験により提案手法の有効性を実証し,提案手法がベースラインより優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-01T06:09:49Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)

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。