論文の概要: IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking

• arxiv url: http://arxiv.org/abs/2606.08729v1
• Date: Sun, 07 Jun 2026 16:55:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.419587
• Title: IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking
• Title（参考訳）: IR-SIM:ナビゲーション、学習、ベンチマークのための軽量スキルNative Simulator
• Authors: Ruihua Han, Shuai Wang, Chengyang Li, Rui Gao, Xinyi Wang, Zhe Liu, Guoliang Li, Yupu Lu, Qi Hao, Jia Pan, Hengshuang Zhao,
• Abstract要約: IR-SIMは、迅速なシナリオ構築、ベンチマーク、ロボット学習のために設計された、スキルネイティブなナビゲーションシミュレータである。 シナリオは、モバイルロボットキネマティクス、幾何学的衝突チェック、LiDARセンシング、可視化、行動モジュールを指定するYAML設定ファイルで完全に定義されている。 実験では、複数のタスクにおいてIR-SIMの利便性と汎用性を示す。
• 参考スコア（独自算出の注目度）: 59.6657632820611
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulation plays a key role in automated robotics research supported by large language models (LLMs). However, existing simulators often require custom code or complex interfaces, creating a barrier to rapid prototyping and automated algorithm development. To this end, we propose the Intelligent Robot Simulator (IR-SIM), a lightweight skill-native navigation simulator designed for rapid scenario construction, benchmarking, and robot learning. In IR-SIM, scenarios are entirely defined by YAML configuration files that specify mobile robot kinematics, geometric collision checking, LiDAR sensing, visualization, and behavior modules. This design makes robotic simulation fully describable and reproducible, allowing scenarios to be generated and modified from text prompts through the proposed IR-SIM agent skills. The resulting scenarios can be used for automated benchmarking of navigation algorithms and for automated generation of training data for learning methods. Furthermore, IR-SIM provides bridges to high fidelity simulators and real world deployment, allowing users to validate their algorithms in more realistic settings after prototyping without extra coding. The experiments showcase the convenience and versatility of IR-SIM in multiple tasks: constructing navigation scenarios from natural language, training a collision avoidance policy, benchmarking social navigation policies, and bridging to high fidelity simulators and real world deployment. The project website is available at https://github.com/hanruihua/ir-sim.
• Abstract（参考訳）: シミュレーションは、大規模言語モデル(LLM)をサポートする自動ロボット研究において重要な役割を担っている。 しかし、既存のシミュレータはカスタムコードや複雑なインターフェースを必要とすることが多く、高速なプロトタイピングと自動アルゴリズム開発のための障壁となる。 そこで我々は,高速なシナリオ構築,ベンチマーク,ロボット学習のための軽量なスキルネイティブナビゲーションシミュレータであるIntelligent Robot Simulator (IR-SIM)を提案する。 IR-SIMでは、シナリオは、移動ロボットキネマティクス、幾何学的衝突チェック、LiDARセンシング、可視化、行動モジュールを指定するYAML設定ファイルで完全に定義されている。 この設計により、ロボットシミュレーションは完全に記述可能で再現可能となり、提案されたIR-SIMエージェントスキルを通じて、テキストプロンプトからシナリオを生成および修正することができる。 得られたシナリオは、ナビゲーションアルゴリズムの自動ベンチマークや、学習方法のためのトレーニングデータの自動生成に使用することができる。 さらにIR-SIMは、高忠実度シミュレータと実世界のデプロイへのブリッジを提供し、ユーザーは余分なコーディングなしでプロトタイピング後のより現実的な設定でアルゴリズムを検証することができる。 実験では、自然言語からのナビゲーションシナリオの構築、衝突回避ポリシーのトレーニング、ソーシャルナビゲーションポリシーのベンチマーク、高忠実度シミュレータへのブリッジング、実世界の展開など、複数のタスクにおいてIR-SIMの利便性と汎用性を実証した。 プロジェクトのWebサイトはhttps://github.com/hanruihua/ir-sim.comで公開されている。

関連論文リスト

• YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.35333054932747]
  本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。 ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。 我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
  論文  参考訳（メタデータ） (2025-05-12T14:05:17Z)
• GarchingSim: An Autonomous Driving Simulator with Photorealistic Scenes and Minimalist Workflow [24.789118651720045]
  光実写シーンを用いた自律走行シミュレータを提案する。 シミュレータはROS2またはSocket.IOを介して外部アルゴリズムと通信することができる。 シミュレータ内に高精度な車両力学モデルを実装し,車体効果の現実性を高める。
  論文  参考訳（メタデータ） (2024-01-28T23:26:15Z)
• Choose Your Simulator Wisely: A Review on Open-source Simulators for Autonomous Driving [25.320362844415012]
  シミュレータで開発されたアルゴリズムの有効性が懸念されている。 本稿では,シミュレータの進化を解析し,その機能と実用性について解説する。 アクセシビリティ、保守状態、品質などの要因を考慮して、選択シミュレータの勧告を提示する。
  論文  参考訳（メタデータ） (2023-11-18T12:30:41Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• Autonomous Driving Simulator based on Neurorobotics Platform [11.25880077022107]
  自動運転車には人工知能アルゴリズムがたくさんあるが、これらのアルゴリズムを直接車両にインストールするのは非現実的で高価だ。 同時に、これらのアルゴリズムの多くは、トレーニングと最適化のための環境を必要としています。 このレポートは、Neurorobotics Platformに関する小さな研究から始まり、真の現実世界のシミュレーション目標を達成するための新しいシミュレータの開発の可能性と可能性を分析する。
  論文  参考訳（メタデータ） (2022-12-31T01:12:27Z)
• Robot Learning from Randomized Simulations: A Review [59.992761565399185]
  ディープラーニングがロボティクス研究のパラダイムシフトを引き起こし、大量のデータを必要とする方法が好まれている。 最先端のアプローチは、データ生成が高速かつ安価であるシミュレーションで学ぶ。 本稿では,ランダム化シミュレーションから学習する手法である「領域ランダム化」に焦点をあてる。
  論文  参考訳（メタデータ） (2021-11-01T13:55:41Z)

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。