論文の概要: A Deployed Hybrid Vehicle-in-the-Loop Platform for Validating Cooperative Perception
- arxiv url: http://arxiv.org/abs/2607.13806v1
- Date: Wed, 15 Jul 2026 13:11:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.781208
- Title: A Deployed Hybrid Vehicle-in-the-Loop Platform for Validating Cooperative Perception
- Title（参考訳）: 協調的知覚の検証のためのハイブリッド車載プラットフォーム
- Abstract要約: Car-in-the-Loop(ViL)プラットフォームは、CARLAベースのデジタルツイン(DT)を備えた実機と組む
公道表現型テストトラックにおける最初の統合運用について報告する。
- 参考スコア（独自算出の注目度）: 31.7846414583602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: European safety regulation now permits a large share of automated-driving homologation evidence to be produced virtually, provided a validated physical-virtual facility generates it. We present a deployed hybrid Vehicle-in-the-Loop (ViL) platform that couples a real instrumented vehicle with a CARLA-based digital twin (DT) through a V2X message pipeline, and we report its first integrated operation on a public-road-representative test track. A real vehicle streams ETSI-compliant CAM/CPM messages into the DT, where a GPU-accelerated Cooperative Perception (CP) module fuses them into a probabilistic occupancy grid during scenario runtime. We demonstrate the platform on a multi-vehicle double T-intersection scenario, characterise the CP workload across nominal, rain and night conditions and five localization-noise levels, and discuss the platform's current architectural limits and the engineering targets they define. The results show that CP substantially widens field-of-view (FoV) coverage and improves occupied-cell recall, and that beyond a moderate localization-noise threshold, positioning uncertainty, and not weather, becomes the dominant error source. We outline the platform's trajectory toward a Mediterranean operational design domain (ODD) testing service.
- Abstract（参考訳）: 欧州の安全規制は、検証済みの物理的仮想施設がそれを生成する場合、多くの自動走行ホモログ証拠を事実上生産することを許可している。
実機とCARLAベースのデジタルツイン(DT)をV2Xメッセージパイプラインを介して組み合わせたハイブリッド型Vaby-in-the-Loop (ViL) プラットフォームを提案する。
実際の車両はETSI準拠のCAM/CPMメッセージをDTにストリームし、GPUアクセラレーションされた協調知覚(CP)モジュールがシナリオ実行中にそれらを確率的占有グリッドに融合する。
我々は,このプラットフォームを多車種の二重T-断面積シナリオで実証し,降雨・夜間条件と5つの局部雑音レベルにわたるCPワークロードを特徴付けるとともに,プラットフォームの現在のアーキテクチャ限界と,それらが定義するエンジニアリング目標について議論する。
その結果, CPはFoV範囲を大幅に拡大し, 占有セルリコールを改善するとともに, 局部ノイズ閾値を適度に保ちながら, 不確実性の位置を定め, 天候ではなく, エラー源となることがわかった。
地中海の運用設計ドメイン(ODD)テストサービスに向けたプラットフォームの軌道について概説する。
関連論文リスト
- VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。
CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
論文 参考訳（メタデータ） (2026-09-02T11:32:52Z) - End-to-end Conditional Diffusion for Realistic and Controllable Visual Traffic Scenario Generation [59.188006170485046]
E2E-CDiffは、制御可能で現実的なシナリオ生成のためのエンドツーエンドの条件拡散フレームワークである。
微分可能な誘導は速度を規制し、乾燥可能な領域のコンプライアンスを強制し、衝突回避や衝突回避行動をサポートする。
E2E-CDiffは、学習ベースのエゴプランナーとしても競争力がある。
論文 参考訳（メタデータ） (2026-07-21T02:13:25Z) - Beyond Line of Sight: Hybrid Validation of V2X Collective Perception in Complex Scenarios [0.6065935686676507]
本稿では,複雑な交通シナリオにおける V2X 対応型 Collective Perception (CP) の確率的フレームワークと検証手法を提案する。
提案アルゴリズムは、複数エージェントからの異種センサ観測を共用確率占有格子に組み込むことにより、連結車両と自律車両の知覚的地平線を拡大する。
その結果、フィールド・オブ・ビューのカバレッジは260%増加し、占有細胞リコールは0.82(ego-only)から0.94(six-agent CP)へと上昇した。
論文 参考訳（メタデータ） (2026-07-01T12:38:01Z) - CADET: A Modular Platform for Evaluating Distributed Cooperative Autonomy in Connected Autonomous Vehicles [3.544599494530976]
CADETは、分散協調自律システムの体系的かつ再現可能な評価のためのモジュールプラットフォームである。
分散デプロイメントの選択は安全性を形作っており、V2Vインテントパケットはクラウドベースの認識よりも優れており、RSUは同時要求によってオーバーロードされるまで安全性を維持する。
論文 参考訳（メタデータ） (2026-06-02T15:13:13Z) - 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) - MAPLE: Latent Multi-Agent Play for End-to-End Autonomous Driving [62.43744546817599]
視覚言語-アクション(VLA)モデルは、エンドツーエンドのモーションプランナーとして有効であるが、クローズドループ設定で評価すると不安定である。
本稿では, VLAモデルの潜在空間における動的駆動シナリオの, リアクティブでマルチエージェントなロールアウトのための新しいフレームワークMAPLEを提案する。
MAPLEはBench2Driveで最先端の駆動性能を実現し、堅牢なE2E自動運転システムのためのスケーラブルでクローズループなマルチエージェントプレイを実演する。
論文 参考訳（メタデータ） (2026-05-13T23:35:14Z) - 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) - Attention in Motion: Secure Platooning via Transformer-based Misbehavior Detection [0.6999740786886536]
車両小隊は、多車編成の調整を通じて、輸送効率と安全性の変革的な改善を約束する。
確率チェックや統計的手法に依存する従来の誤動作検出手法は、偽陽性(FP)率が高い。
Intention In Motion (AIMformer) は、車体プラトンにおけるリアルタイムな誤動作検出に適したトランスフォーマーベースのフレームワークである。
論文 参考訳（メタデータ） (2025-12-17T14:45:33Z) - Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。
i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
論文 参考訳（メタデータ） (2025-03-06T07:36:06Z) - Infrastructure-Assisted Collaborative Perception in Automated Valet Parking: A Safety Perspective [11.405406875019175]
協調知覚は、連結車両の視野を広げるために適用することができる。
インフラ支援型AVPシステムのためのBEV機能に基づくCPネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-03-22T12:11:06Z) - Monocular BEV Perception of Road Scenes via Front-to-Top View Projection [57.19891435386843]
本稿では,鳥の目視で道路配置と車両占有率によって形成された局所地図を再構築する新しい枠組みを提案する。
我々のモデルは1つのGPU上で25FPSで動作し、リアルタイムパノラマHDマップの再構築に有効である。
論文 参考訳（メタデータ） (2022-11-15T13:52:41Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z)
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。