論文の概要: A Mixed-Reality Testbed for Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2606.19267v1
• Date: Wed, 17 Jun 2026 16:43:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.279764
• Title: A Mixed-Reality Testbed for Autonomous Vehicles
• Title（参考訳）: 自動車用混合現実テストベッド
• Authors: H. M. Sabbir Ahmad, Ehsan Sabouni, Emrullah Celik, Zean Wan, Damola Ajeyemi, Christos G. Cassandras, Wenchao Li,
• Abstract要約: 本稿では,自律走行車用混合現実型ハードウェア・イン・ザ・ループテストベッドを提案する。 テストベッドは、移動ロボットの物理的テストベッドと高忠実度シミュレーション環境をシームレスに統合する。 本稿では,認識,計画,新しいオンライン学習ベースコントローラを組み合わせた安全保証フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 5.831829846656395
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a mixed-reality, hardware-in-the-loop (HIL) testbed for autonomous vehicles that seamlessly integrates a physical testbed of mobile robots with a high-fidelity simulation environment. The virtual simulation enables the creation of diverse, safety-critical driving scenarios to validate state-of-the-art perception, planning, and control algorithms, while augmenting simulations with physical robots equipped with multimodal sensors in photorealistic virtual environments further facilitating rigorous validation. Our testbed also features vehicular connectivity using wireless communication and can accommodate a large number of agents through the combination of physical robots and virtual simulated agents, supporting research on multi-agent systems including Connected and Autonomous Vehicles (CAVs). Finally, we present a safety-guaranteed framework combining perception, planning and a novel online learning-based controller using Control Barrier Functions (CBFs) for CAVs. Experiments using the proposed framework are used to validate and demonstrate the key functionalities and the overall utility of the testbed to bridge the gap between simulation and real-world hardware deployment.
• Abstract（参考訳）: 本研究では,移動ロボットの物理的テストベッドと高忠実度シミュレーション環境をシームレスに統合する,自動車用混合現実型ハードウェア・イン・ザ・ループ(HIL)テストベッドを提案する。 仮想シミュレーションにより、多様な安全クリティカルな運転シナリオの作成により、最先端の認識、計画、制御アルゴリズムを検証すると同時に、フォトリアリスティックな仮想環境におけるマルチモーダルセンサーを備えた物理ロボットによるシミュレーションを強化し、厳密な検証を容易にする。 テストベッドはまた、無線通信を用いた車載接続機能を備えており、物理的ロボットと仮想シミュレーションエージェントを組み合わせることで、多数のエージェントに対応でき、コネクテッド・アンド・オートマチック・ビークルズ(CAV)を含むマルチエージェントシステムの研究を支援する。 最後に,CAVに対する制御バリア関数(CBF)を用いた認識,計画,新しいオンライン学習ベースコントローラを組み合わせた安全保証フレームワークを提案する。 提案フレームワークを用いた実験は、シミュレーションと実世界のハードウェアデプロイメントのギャップを埋めるために、テストベッドの重要な機能と全体的な有用性を検証し、実証するために使用される。

関連論文リスト

• Closed-Loop Hybrid Digital Twin Platform for Connected and Automated Vehicle Validation [8.373850248021927]
  本稿では,コネクテッド・アンド・オートマチック・ビークル(CAV)検証のための,新しいリアルタイムハイブリッドデジタルツインプラットフォームを提案する。 その中核となるイノベーションは、高忠実度CARLA-SUMOと物理試験場と車両との密結合であり、低遅延のV2X通信リンクによって実現されている。 詳細な実装には、フルスケールのアセット再構築にPhotogrammetryを使用し、スケーラブルでマルチユーザ操作にクラウドエッジのコラボレーティブアーキテクチャが含まれる。
  論文  参考訳（メタデータ） (2026-05-19T07:44:59Z)
• From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving [12.14436913195805]
  本研究は,集中型E/Eアーキテクチャ上での自動車ソフトウェアテストフレームワークを提案する。 このフレームワークは、ダイナモメーターテストベンチに物理テスト車両を、シミュレーション環境で同期仮想車両と結合する。
  論文  参考訳（メタデータ） (2026-03-05T15:23:28Z)
• MetAdv: A Unified and Interactive Adversarial Testing Platform for Autonomous Driving [85.04826012938642]
  MetAdvは、現実的でダイナミックでインタラクティブな評価を可能にする、新しい対向テストプラットフォームである。 フレキシブルな3D車両モデリングと、シミュレートされた環境と物理的環境のシームレスな遷移をサポートする。 生理的信号のリアルタイムキャプチャとドライバからの行動フィードバックを可能にする。
  論文  参考訳（メタデータ） (2025-08-04T03:07:54Z)
• A Joint Approach Towards Data-Driven Virtual Testing for Automated Driving: The AVEAS Project [2.4163276807189282]
  シミュレーションのパラメトリゼーションや検証には、現実世界のデータが著しく不足している。 本稿では,ドイツのAVAS研究プロジェクトの結果について述べる。
  論文  参考訳（メタデータ） (2024-05-10T07:36:03Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• Mind the Gap! A Study on the Transferability of Virtual vs Physical-world Testing of Autonomous Driving Systems [6.649715954440713]
  私たちはDonkey Carのオープンソースフレームワークを活用して、物理的に小型の車両にデプロイされたSDCのテストと仮想シミュレーションされたテストとを経験的に比較します。 多くのテスト結果が仮想環境と物理環境の間で伝達される一方で、仮想環境と物理環境の間の現実的ギャップに寄与する重要な欠点も確認した。
  論文  参考訳（メタデータ） (2021-12-21T14:28:35Z)
• VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and Policy Learning for Autonomous Vehicles [131.2240621036954]
  VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。 高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。 センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
  論文  参考訳（メタデータ） (2021-11-23T18:58:10Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)

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。