論文の概要: RAGE-XY: RADAR-Aided Longitudinal and Lateral Forces Estimation For Autonomous Race Cars

• arxiv url: http://arxiv.org/abs/2604.07939v1
• Date: Thu, 09 Apr 2026 07:59:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.785102
• Title: RAGE-XY: RADAR-Aided Longitudinal and Lateral Forces Estimation For Autonomous Race Cars
• Title（参考訳）: RAGE-XY:Radar支援による自動レースカーの縦・横力推定
• Authors: Davide Malvezzi, Nicola Musiu, Eugenio Mascaro, Francesco Iacovacci, Marko Bertogna,
• Abstract要約: 本稿では,車速,タイヤスリップ角度,およびIMUやRADARなどの標準搭載センサのみを用いて車両に作用する力を同時に推定するリアルタイム推定フレームワークであるRAG-XYを提案する。 提案手法は,EAV-24自律レースカー上で実施された高忠実度シミュレーションと実世界実験の両方を通して検証する。
• 参考スコア（独自算出の注目度）: 1.4866448722906016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we present RAGE-XY, an extended version of RAGE, a real-time estimation framework that simultaneously infers vehicle velocity, tire slip angles, and the forces acting on the vehicle using only standard onboard sensors such as IMUs and RADARs. Compared to the original formulation, the proposed method incorporates an online RADAR calibration module, improving the accuracy of lateral velocity estimation in the presence of sensor misalignment. Furthermore, we extend the underlying vehicle model from a single-track approximation to a tricycle model, enabling the estimation of rear longitudinal tire forces in addition to lateral dynamics. We validate the proposed approach through both high-fidelity simulations and real-world experiments conducted on the EAV-24 autonomous race car, demonstrating improved accuracy and robustness in estimating both lateral and longitudinal vehicle dynamics.
• Abstract（参考訳）: 本研究では,車速,タイヤスリップ角度,車載力の同時推定を行うリアルタイム推定フレームワークであるRAGE-XYについて,IMUやRADARなどの標準搭載センサのみを用いて提案する。 元の定式化と比較して,提案手法はオンラインRADARキャリブレーションモジュールを組み込み,センサ誤認識の有無による横方向速度推定の精度を向上させる。 さらに,車体モデルを単トラック近似から三輪車モデルに拡張し,横方向力学に加えて後縦タイヤ力の推定を可能にする。 EAV-24自律レースカーで実施した高忠実度シミュレーションと実世界実験により提案手法の有効性を検証し,横方向と縦方向の両方の車両力学を推定する際の精度と頑健性について検証した。

関連論文リスト

• RAGE: A Tightly Coupled Radar-Aided Grip Estimator For Autonomous Race Cars [1.4866448722906016]
  本稿では,車速,タイヤのすべり角度,それに作用する横力を同時に推定する新しいリアルタイム推定器であるRAGを紹介する。 EAV-24自律レースカーで実施した高忠実度シミュレーションと実世界実験により,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2026-04-03T09:00:48Z)
• ReinDriveGen: Reinforcement Post-Training for Out-of-Distribution Driving Scene Generation [61.64162666162948]
  ReinDriveGenは動的駆動シーンのフルコントロールを可能にするフレームワークである。 提案手法は,マルチフレームLiDARデータから動的3Dポイントクラウドシーンを構築する。 提案手法では,映像拡散モデルを用いてリアルな運転映像を合成する2次元条件画像に編集シーンを描画する。
  論文  参考訳（メタデータ） (2026-04-01T16:48:20Z)
• Inverse-dynamics observer design for a linear single-track vehicle model with distributed tire dynamics [1.453612836743437]
  本稿では,タイヤの分散表現と標準センサから収集した情報とを線形単線モデルと組み合わせた革新的オブザーバを提案する。 シミュレーション結果から, 騒音やモデルの不確実性があっても, サイドリップ角度とタイヤ力の推定に観察者が有効であることを示す。
  論文  参考訳（メタデータ） (2026-03-08T07:05:16Z)
• Post-Collision Trajectory Restoration for a Single-track Ackermann Vehicle using Heuristic Steering and Tractive Force Functions [1.1899559337707113]
  衝突後の軌道復元は、自動運転車の安全上重要な機能である。 本稿では,汎用単軌道車両モデルに対する操舵と牽引力を共同で制御する構造的回復制御法を提案する。
  論文  参考訳（メタデータ） (2026-02-09T09:57:10Z)
• Planar Velocity Estimation for Fast-Moving Mobile Robots Using Event-Based Optical Flow [1.4447019135112429]
  本稿では,車輪と表面のトラクションの仮定から分離した速度推定手法を提案する。 提案手法は1:10スケールの自律レースプラットフォーム上でのフィールド実験により評価される。
  論文  参考訳（メタデータ） (2025-05-16T11:00:33Z)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality [46.909086734963665]
  本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。 従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。 RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
  論文  参考訳（メタデータ） (2023-12-12T06:21:30Z)
• 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)
• Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
  移動車に搭載されたカメラから車両の速度を推定する問題を考察する。 そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-16T13:10:27Z)

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。