論文の概要: LOTUSim: Multi-Domain Simulator for Marine Robotics

• arxiv url: http://arxiv.org/abs/2607.03072v1
• Date: Fri, 03 Jul 2026 08:09:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 13:05:33.543185
• Title: LOTUSim: Multi-Domain Simulator for Marine Robotics
• Title（参考訳）: 海洋ロボットのためのマルチドメインシミュレータLOTUSim
• Authors: Cédric Buche, Juliette Grosset, Hélène Lechêne, Marie Dubromel, Pierig Havez-Bodivit, Malcom Neo, Julien Prodhon,
• Abstract要約: LOTUSimは、空中、地表、水中のロボットシステム間のマルチユーザーインタラクションをサポートするリアルタイム海洋シミュレータである。 バリデーションは、厳格なリアルタイム実行と高い視覚的忠実さを維持しながら、大規模な異種海洋ドローン群にスケールしながら、堅牢なループ内パフォーマンスを示す。 結果は,オペレーティング・ザ・ループ海洋ロボット研究におけるシミュレーションプラットフォームとしてのLOTUSimの適合性を確認した。
• 参考スコア（独自算出の注目度）: 0.49838563301861205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulation is essential for maritime robotics, supporting operator training, mission rehearsal, and human-vehicle interaction in environments where real-world testing is costly or hazardous. Existing simulators focus primarily on autonomy systems and often lack human-in-the-loop interaction and realistic environmental physics. This paper introduces LOTUSim, an open-source, real-time maritime simulator supporting multi-user interaction across aerial, surface, and underwater robotic systems for coordinated naval-style operations. The first contribution of this work is enabling real-time interactive performance for users while ensuring scalability to large fleets operating within a shared interactive simulation environment. Validation demonstrates robust human-in-the-loop performance, maintaining strict real-time execution and high visual fidelity while scaling to large heterogeneous maritime drone swarms. The second contribution is a computationally efficient, Ekman-inspired layered, underwater current model that captures wind-driven, depth-dependent flow dynamics with sufficient physical fidelity for large-scale simulations. Validation against ocean reanalysis data demonstrates substantially improved accuracy compared to commonly used stochastic Gauss-Markov current models. These results confirm LOTUSim's suitability as a simulation platform for operatorin-the-loop maritime robotics research.
• Abstract（参考訳）: シミュレーションは、海事ロボット工学、オペレータートレーニング、ミッションリハーサル、そして現実世界のテストが費用がかかるか危険である環境での人間と車両の相互作用をサポートするために不可欠である。 既存のシミュレータは、主に自律システムに焦点を当てており、しばしば人間とループの相互作用と現実的な環境物理学を欠いている。 本稿では, 航空, 表面, 水中ロボットシステム間のマルチユーザインタラクションを支援する, オープンソースのリアルタイム海洋シミュレータLOTUSimを紹介した。 この作業の最初のコントリビューションは、ユーザのためのリアルタイムな対話的パフォーマンスを実現すると同時に、共有インタラクティブなシミュレーション環境内で動作する大規模なフリートへのスケーラビリティを確保することである。 バリデーションは、厳格なリアルタイム実行と高い視覚的忠実さを維持しながら、巨大な異種海洋ドローン群にスケールしながら、堅牢なループ内性能を示す。 第二の貢献は、計算効率が良く、エクマンにインスパイアされた層状、水中の電流モデルであり、大規模なシミュレーションに十分な物理的忠実さで風力駆動、深さに依存した流れのダイナミクスを捉えている。 海面再解析データに対する検証は、一般的な確率的ガウス・マルコフ流モデルと比較して大幅に精度が向上した。 これらの結果は,オペレーティング・ザ・ループ海洋ロボット研究におけるシミュレーションプラットフォームとしてのLOTUSimの適合性を確認した。

関連論文リスト

• NavIsaacLab: Generating Realistic Crowd via Parallel Robot Learning for Benchmarking Human-aware Navigation [40.511983590273445]
  本稿では,ナビゲーションポリシーをベンチマークし,トレーニングするための総合的なフレームワークであるNavIsaacLabについて述べる。 提案フレームワークはIsaac Labをベースとして,フォトリアリスティックなシーンレンダリング機能を採用し,GPU上での並列シミュレーションをサポートする。 人間の行動の現実性を高めるために、軌道拡散モデルと対向運動学習コントローラを組み込んだデータ駆動型アプローチを用いる。
  論文  参考訳（メタデータ） (2026-06-24T18:08:19Z)
• ComSim: Building Scalable Real-World Robot Data Generation via Compositional Simulation [90.4702774169675]
  本稿では,古典シミュレーションとニューラルシミュレーションを組み合わせた合成シミュレーションというハイブリッド手法を提案する。 提案手法では,少数の実世界のデータを活用するクローズドループ・リアル・シモン・リアル・データ拡張パイプラインを利用する。 我々はニューラルシミュレーターをトレーニングし、古典的なシミュレーションビデオを現実世界の表現に変換し、現実の環境で訓練されたポリシーモデルの精度を向上させる。
  論文  参考訳（メタデータ） (2026-04-13T12:25:45Z)
• Sim2Sea: Sim-to-Real Policy Transfer for Maritime Vessel Navigation in Congested Waters [12.551759198727487]
  Sim2Seaはシミュレーションと実世界の実行をブリッジするために設計された包括的なフレームワークである。 我々は,スケーラブルで正確な海洋シナリオシミュレーションのためのGPU加速並列シミュレータを開発した。 その結果,提案手法は既存のベースラインよりも高速に収束し,トラジェクトリがより安全であることが示された。
  論文  参考訳（メタデータ） (2026-03-04T13:36:33Z)
• D-REX: Differentiable Real-to-Sim-to-Real Engine for Learning Dexterous Grasping [66.22412592525369]
  本稿では,ガウスのSplat表現を生かした実--sim-to-realエンジンを導入し,実-sim-to-realエンジンについて述べる。 提案エンジンは, 各種物体の形状と質量値のマス識別において, 高精度かつロバストな性能を実現していることを示す。 これらの最適化された質量値は、力覚的なポリシー学習を促進し、オブジェクトの把握において優れた、高いパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-03-01T15:32:04Z)
• Simple Models, Real Swimming: Digital Twins for Tendon-Driven Underwater Robots [8.744009526780692]
  本研究では,効率的な水中潜水環境をモデル化した腱駆動型魚型ロボットを提案する。 以上の結果から, シンプルでステートレスなモデルであっても, 柔らかい水中ロボットの効果的なデジタル双生児として機能することが示唆された。
  論文  参考訳（メタデータ） (2026-02-26T17:55:22Z)
• Sim2Dust: Mastering Dynamic Waypoint Tracking on Granular Media [16.948852537273655]
  本研究は,挑戦面上での動的ウェイポイントトラッキングのためのロバストな制御ポリシを開発するための,完全なsim-to-realフレームワークを提案する。 我々は超並列シミュレーションを利用して、プロシージャ生成環境の広範囲にわたる強化学習エージェントを訓練する。 本実験は,複数の強化学習アルゴリズムと動作平滑化フィルタを体系的に比較し,実世界の展開において最も効果的な組み合わせを同定する。
  論文  参考訳（メタデータ） (2025-08-15T14:30:07Z)
• Hybrid Neural-MPM for Interactive Fluid Simulations in Real-Time [57.30651532625017]
  本稿では,数値シミュレーション,神経物理,生成制御を統合した新しいハイブリッド手法を提案する。 本システムでは, 多様な2D/3Dシナリオ, 材料タイプ, 障害物相互作用における堅牢な性能を示す。 受け入れ次第、モデルとデータの両方をリリースすることを約束します。
  論文  参考訳（メタデータ） (2025-05-25T01:27:18Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• Point Cloud Based Reinforcement Learning for Sim-to-Real and Partial Observability in Visual Navigation [62.22058066456076]
  強化学習(Reinforcement Learning, RL)は、複雑なロボットタスクを解決する強力なツールである。 RL は sim-to-real transfer problem として知られる現実世界では直接作用しない。 本稿では,点雲と環境ランダム化によって構築された観測空間を学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-07-27T17:46:59Z)

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。