論文の概要: A Simulation Platform for Flapping-Wing Vehicles

• arxiv url: http://arxiv.org/abs/2606.02370v1
• Date: Mon, 01 Jun 2026 15:17:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.38107
• Title: A Simulation Platform for Flapping-Wing Vehicles
• Title（参考訳）: 羽ばたき車のシミュレーションプラットフォーム
• Authors: Haichuan Li, Tomi Westerlund,
• Abstract要約: 羽ばたき翼航空機(FWAV)は目覚ましい機敏性を示すが、かなりの自律性に直面する。 現在のシミュレーションプラットフォームは、通常、単純化された層流仮定と理想化されたセンサーモデルに依存している。 FWAV-Simは,(1)準定常羽根要素理論とブラフベース・ドラッグエフェクトを組み合わせた複合空力モデル,(2)ノイズの多いIMU計測,LiDAR点雲,RGBカメラフィードを含む現実的なセンサシミュレーションを統合した,高忠実度ユニティ合成シミュレーションフレームワークである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flapping-wing aerial vehicles (FWAVs) demonstrate remarkable agility but face substantial autonomy challenges due to their high sensitivity to aerodynamic disturbances and limited sensor payload capacity. Current simulation platforms typically rely on oversimplified laminar flow assumptions and idealized sensor models, failing to capture the complex turbulence patterns and perceptual limitations encountered in real-world operation. This simulation-to-reality discrepancy significantly impedes the development of robust autonomy systems for FWAVs. We introduce FWAV-Sim, a high-fidelity Unity-based simulation framework that integrates: (1) a composite aerodynamic model combining quasi-steady blade-element theory with bluff-body drag effects, (2) spatiotemporally correlated turbulence generation through fractal noise synthesis, and (3) realistic sensor simulation including noisy IMU measurements, LiDAR point clouds, and RGB camera feeds. Our platform enables scalable generation of synchronized datasets containing ground-truth vehicle states, aerodynamic forces, turbulent wind fields, and multi-modal sensor streams. Experimental validation demonstrates that autonomy pipelines (including both controllers and perception systems) developed in FWAV-Sim exhibit significantly improved simulation capability, thereby advancing the outstanding performance in simulation-based development for flapping-wing aerial systems.
• Abstract（参考訳）: 羽ばたき翼航空機(FWAV)は目覚ましい俊敏性を示すが、空力障害に対する高い感度とセンサーペイロード容量の制限により、かなり自律的な課題に直面している。 現在のシミュレーションプラットフォームは、通常、単純化された層流仮定と理想化されたセンサーモデルに依存しており、現実の操作で発生する複雑な乱流パターンや知覚上の制限を捉えていない。 このシミュレーションと現実の相違は、FWAVの堅牢な自律システムの開発を著しく阻害する。 FWAV-Simは,(1)擬似定常翼要素理論とブラフボディ・ドラッグ効果を組み合わせた複合空力モデル,(2)フラクタルノイズ合成による時空間相関乱流発生,(3)ノイズIMU測定,LiDAR点雲,RGBカメラ・フィードを含む現実的なセンサ・シミュレーションである。 我々のプラットフォームは、地上構造体状態、空力力、乱流風場、マルチモーダルセンサストリームを含む同期データセットのスケーラブルな生成を可能にする。 実験による検証により、FWAV-Simで開発された自律パイプライン(コントローラと知覚システムの両方を含む)は、シミュレーション能力が大幅に向上し、羽ばたき翼航空システムのシミュレーションベース開発における優れた性能が向上することが示された。

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)
• PEST: Physics-Enhanced Swin Transformer for 3D Turbulence Simulation [19.744829080390165]
  直接数値シミュレーション(DNS)は高い忠実度を提供するが、計算は禁じられている。 既存のデータ駆動の代替手段は、安定した長距離ロールアウト、物理的一貫性、小規模構造の忠実なシミュレーションに苦慮している。 本研究では3次元乱流シミュレーションのための物理強化スウィントランス(PEST)を提案する。
  論文  参考訳（メタデータ） (2026-02-09T18:37:18Z)
• HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving [59.55918581964678]
  HybridWorldSimは、静的バックグラウンドのためのマルチトラバースニューラルネットワーク再構成と、動的エージェントの生成モデルを統合するハイブリッドシミュレーションフレームワークである。 我々は、様々な都市をまたがる幅広いルートや環境条件をキャプチャーする、新しいマルチトラバースデータセットMIRRORをリリースする。
  論文  参考訳（メタデータ） (2025-11-27T07:53:16Z)
• RIFT: Group-Relative RL Fine-Tuning for Realistic and Controllable Traffic Simulation [13.319344167881383]
  データ駆動シミュレーターにおいて、模擬学習事前学習を行う2段階のAV中心シミュレーションフレームワークを導入する。 次に、物理に基づくシミュレータで微調整を学習し、スタイルレベルの制御性を向上する。 微調整段階において,新しいグループ関連RL微調整戦略であるRIFTを提案する。
  論文  参考訳（メタデータ） (2025-05-06T09:12:37Z)
• FlightForge: Advancing UAV Research with Procedural Generation of High-Fidelity Simulation and Integrated Autonomy [2.6003704171754416]
  本研究では,FlightForge UAVオープンソースシミュレータを提案する。 高度なレンダリング機能、多様な制御モダリティ、そして最も重要なのは、手続き的な環境生成を提供する。 このシミュレーターは、散らかった未知の環境で長距離飛行が可能な完全自律型UAVシステムとすでに統合されている。
  論文  参考訳（メタデータ） (2025-02-07T16:05:17Z)
• DroneWiS: Automated Simulation Testing of small Unmanned Aerial Systems in Realistic Windy Conditions [8.290044674335473]
  DroneWiSは、sUAS開発者が現実的な風の条件を自動的にシミュレートし、sUASの風に対するレジリエンスをテストすることを可能にする。 ガゼボやAirSimのような現在の最先端のシミュレーションツールとは異なり、DroneWiSは計算流体力学(CFD)を利用してユニークな風速を計算する。 このシミュレーション機能は、困難で現実的な風の条件下でのsUASのナビゲーション能力について、開発者に深い洞察を提供する。
  論文  参考訳（メタデータ） (2024-08-29T14:25:11Z)
• Reinforcement Learning with Human Feedback for Realistic Traffic Simulation [53.85002640149283]
  効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。 本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
  論文  参考訳（メタデータ） (2023-09-01T19:29:53Z)

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。