論文の概要: TEACar: An Open-Source Autonomous Driving Platform

• arxiv url: http://arxiv.org/abs/2604.24934v1
• Date: Mon, 27 Apr 2026 19:20:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.569098
• Title: TEACar: An Open-Source Autonomous Driving Platform
• Title（参考訳）: TEACar: オープンソースの自動運転プラットフォーム
• Authors: Zhongzheng Zhang, Maxwell Ruyle, Andrew Kappes, Tyler Ruble, William Shaoul, Dana Moreno, Jack Penn, Ivan Ruchkin,
• Abstract要約: TEACARは、1/14から1/16スケールの自動運転プラットフォームで、モジュラー・メカニカル・アーキテクチャ、ハードウェア抽象化、ROS 2ベースのソフトウェアで設計された。 このシステムは4層構造のデッキ構造を採用しており、センサー、計算、アクチュエータ、電力サブシステムを物理的に分離している。 我々の実験は、TEACARがITSの研究、教育、開発のためにスケーラブルでモジュール化され、費用対効果の高いテストベッドを提供することを示した。
• 参考スコア（独自算出の注目度）: 0.05621251909851629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intelligent Transportation Systems (ITS) increasingly rely on vision-based perception and learning-based control, necessitating experimental platforms that support realistic hardware-in-the-loop validation. Small-scale platforms for autonomous racing offer a practical path to hardware validation, but often suffer from limited modularity, high integration complexity, or restricted extensibility. This paper presents TEACAR, a 1/14- to 1/16-scale autonomous driving platform designed with modular mechanical architecture, hardware abstraction, and ROS 2-based software. The system adopts a four-layer deck structure that physically decouples sensing, computation, actuation, and power subsystems, improving structural rigidity while simplifying reconfiguration. We constructed and comprehensively evaluated the prototype of TEACAR. Its mechanical stability, structural characteristics, and software performance were quantified based on three CNN-based steering controllers. Inference latency, power consumption, and system operating time were measured to evaluate computational capability and robustness. Our experiments demonstrated that TEACAR offers a scalable, modular, and cost-effective testbed for ITS research, education, and development. Our project repository is available on GitHub.
• Abstract（参考訳）: インテリジェントトランスポーテーションシステム(ITS)は、現実的なハードウェア・イン・ザ・ループ検証をサポートする実験プラットフォームを必要とする、視覚ベースの認識と学習ベースの制御にますます依存している。 自律レースのための小規模なプラットフォームは、ハードウェア検証への実践的なパスを提供するが、しばしばモジュール性や統合の複雑さ、拡張性の制限に悩まされる。 本稿では,モジュール型メカニカルアーキテクチャ,ハードウェア抽象化,ROS 2ベースのソフトウェアを備えた,1/14から1/16スケールの自動運転プラットフォームTEACARを提案する。 このシステムは4層構造のデッキ構造を採用しており、センシング、計算、アクチュエータ、電力サブシステムを物理的に分離し、再構成を簡素化しながら構造的剛性を改善する。 TEACARの試作機の構築と総合評価を行った。 その機械的安定性、構造的特性、ソフトウェア性能は3つのCNNベースのステアリングコントローラに基づいて定量化した。 計算能力とロバスト性を評価するため, 推定遅延, 消費電力, システム動作時間を測定した。 我々の実験は、TEACARがITSの研究、教育、開発のためにスケーラブルでモジュール化され、費用対効果の高いテストベッドを提供することを示した。 プロジェクトリポジトリはGitHubから入手可能です。

関連論文リスト

• A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
  本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。 提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
  論文  参考訳（メタデータ） (2026-02-11T10:02:31Z)
• AROLA: A Modular Layered Architecture for Scaled Autonomous Racing [0.6372261626436676]
  この作業において、AROLAはモジュラーで階層化されたソフトウェアアーキテクチャとして導入され、断片化およびモノリシックな設計は、標準化されたROS 2インターフェイスを介して接続される交換可能なレイヤとコンポーネントに再編成される。 自動運転パイプラインは、センサー、前処理、知覚、ローカライゼーションとマッピング、計画、行動、制御、動作に分解される。 ラップタイミング、軌道品質、計算負荷をリアルタイムで記録し、標準化後追跡分析を生成する軽量システムとしてRace Monitorフレームワークが導入された。
  論文  参考訳（メタデータ） (2026-02-02T19:46:34Z)
• A Unified AI, Embedded, Simulation, and Mechanical Design Approach to an Autonomous Delivery Robot [0.0]
  本稿では,機械工学,組込みシステム,人工知能を統合した完全自律配送ロボットの開発について述べる。 プラットフォームは異種コンピューティングアーキテクチャを採用し、RPi 5とROS 2はAIベースの認識と経路計画を扱う。 機械設計は、精密なモーター選択と材料工学を通じてペイロード容量と移動性に最適化された。
  論文  参考訳（メタデータ） (2025-12-26T23:39:54Z)
• EasySteer: A Unified Framework for High-Performance and Extensible LLM Steering [55.56674028743782]
  大規模言語モデル(LLM)のステアリングは、推論時にモデル動作を制御するための有望なパラダイムとして登場した。 我々は,vLLM上に構築された高性能LLMステアリングのための統合フレームワークであるEasySteerを提案する。
  論文  参考訳（メタデータ） (2025-09-29T17:59:07Z)
• AXLearn: Modular Large Model Training on Heterogeneous Infrastructure [64.33868455931301]
  AXLearnは大規模ディープラーニングモデルのスケーラブルで高性能なトレーニングを容易にする生産用ディープラーニングシステムである。 他の最先端のディープラーニングシステムと比較して、AXLearnはモジュール性と異種ハードウェアインフラストラクチャのサポートにユニークな重点を置いている。
  論文  参考訳（メタデータ） (2025-07-07T18:50:58Z)
• APIKS: A Modular ROS2 Framework for Rapid Prototyping and Validation of Automated Driving Systems [0.0]
  APIKSは、自動運転車ソフトウェアのテストと検証のためのROS2に基づくモジュラーフレームワークである。 それは、小さな概念実証のために特別に設計された、単純化された標準ベースのアーキテクチャを提供する。
  論文  参考訳（メタデータ） (2025-02-27T20:29:31Z)
• AARK: An Open Toolkit for Autonomous Racing Research [4.482334011031271]
  AARKは、より安全な道路と信頼できる自律システムの提供に不可欠な分野の研究を統一し、民主化することを目指している。 AARKはACI、ACDG、ACICの3つのパッケージを提供する。
  論文  参考訳（メタデータ） (2024-10-01T03:07:48Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)

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。