論文の概要: Bridging the Sim-to-Real Gap under Real-Time Constraints in Autonomous Racing
- arxiv url: http://arxiv.org/abs/2607.18586v1
- Date: Mon, 20 Jul 2026 23:45:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.277527
- Title: Bridging the Sim-to-Real Gap under Real-Time Constraints in Autonomous Racing
- Title（参考訳）: 自律走行におけるリアルタイム制約下でのシム・トゥ・リアルギャップのブリッジ
- Abstract要約: 本稿では,フルスタックでリアルタイムなシステム問題として,自律走行におけるシミュレートから現実への移動を考察する。
性能フリップ,安定性指向尺度,遅延やノイズに対する感度,遅延分布の特徴など,名目上のラップタイムを超える診断指標を提示する。
本稿では,再現可能かつ公平なシミュレーション・トゥ・リアル評価を可能にするベンチマークガイドラインを,計算およびタイミング制約下で概説する。
- 参考スコア（独自算出の注目度）: 3.751342183022128
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous racing exposes the sim-to-real gap under extreme operating conditions characterized by high speed, tight stability margins, and stringent real-time constraints. Although simulation is indispensable for development, controllers that perform well in simulation often degrade abruptly on physical platforms due to interacting effects of dynamics mismatch, estimation delay, and execution-layer latency. This paper frames sim-to-real transfer in autonomous racing as a full-stack, real-time systems problem. We introduce a structured three-layer perspective (Physical/Cyber/Execution) to analyze how mismatches propagate and amplify through closed-loop feedback. We present diagnostic metrics beyond nominal lap time, including performance flip, stability-oriented measures, sensitivity to delay and noise, and latency distribution characterization. Mitigation strategies are synthesized from a deployment-oriented viewpoint, emphasizing execution-aware and delay-aware design. Finally, we outline benchmarking guidelines that enable reproducible and fair sim-to-real evaluation under compute and timing constraints. The resulting framework clarifies cross-layer failure mechanisms and provides practical design principles for deployable autonomous racing systems operating near dynamic limits.
- Abstract（参考訳）: 自律レースは、高速、厳密な安定性マージン、厳密なリアルタイム制約を特徴とする極端な運転条件下でのsim-to-realギャップを露呈する。
シミュレーションは開発には不可欠だが、動的ミスマッチ、推定遅延、実行層遅延の相互作用により、シミュレーションでうまく動作するコントローラは、物理プラットフォーム上で突然劣化することが多い。
本稿では,フルスタックでリアルタイムなシステム問題として,自律走行におけるシミュレートから現実への移動を考察する。
クローズドループフィードバックによってどのようにミスマッチが伝播し増幅するかを解析するために、構造化された3層視点(Physical/Cyber/Execution)を導入する。
性能フリップ,安定性指向尺度,遅延やノイズに対する感度,遅延分布の特徴など,名目上のラップタイムを超える診断指標を提示する。
緩和戦略は、デプロイ指向の観点から合成され、実行対応と遅延対応の設計を強調している。
最後に,計算およびタイミング制約下で再現可能かつ公平なシミュレートを可能にするベンチマークガイドラインを概説する。
結果として生じるフレームワークは、層間障害機構を明確にし、動的制限に近い展開可能な自律レースシステムに対して、実用的な設計原則を提供する。
関連論文リスト
- A Task-Space Receding Horizon Controller for Fast Collision Avoidance [0.08594140167290099]
ロボットマニピュレータのリアルタイム衝突回避には、予期せぬ障害物運動に対する迅速な反応が必要である。
完全なモデル予測制御は、この展望を提供することができるが、オンラインコストは、水平線長、モデル忠実度、アクティブな幾何学的制約の数とともに急速に増大する可能性がある。
本稿では, 短時間の接触一貫性を持つロールアウトを用いて, 終端キネマティック参照を生成するタスクスペースリテーディング・ホライゾンコントローラを提案する。
論文 参考訳（メタデータ） (2026-07-17T08:13:12Z) - PIER-Flow: Physics-Informed Efficient Rectified Flow for Real-Time Mobile Robot Navigation [10.164953732323463]
PIER-Flowは移動ロボットのための軽量ナビゲーションポリシーである。
98.85%の成功率とゼロ衝突を達成し、平均値は$sim$1.29 msである。
論文 参考訳（メタデータ） (2026-07-11T12:34:28Z) - Bench2Drive-Robust: Benchmarking Closed-Loop Autonomous Driving under Deployment Perturbations [122.22391796628408]
Bench2Drive-Robustは、クローズドループのエンドツーエンド自動運転のための最初のデバイス中心の堅牢性ベンチマークである。
我々は,カメラストリーム障害,エゴ状態推定誤差,計算による制御遅延という3つの主要な原因から生じる展開指向の摂動を系統的に評価した。
以上の結果から,これらの展開に伴う摂動は閉ループ駆動性能を著しく低下させる可能性が示唆された。
論文 参考訳（メタデータ） (2026-05-18T08:45:24Z) - F2F-AP: Flow-to-Future Asynchronous Policy for Real-time Dynamic Manipulation [62.06267255986041]
非同期推論はロボット操作における主要なパラダイムとして現れている。
本稿では,予測対象の流れを利用して将来の観測を合成する新しい枠組みを提案する。
本手法は複雑な動的操作タスクにおける応答性と成功率を大幅に向上させる。
論文 参考訳（メタデータ） (2026-04-02T17:57:15Z) - Sim2Act: Robust Simulation-to-Decision Learning via Adversarial Calibration and Group-Relative Perturbation [54.29523408543184]
シミュレーションと意思決定の学習は、現実世界の展開を危険にさらすことなく、デジタル環境で安全なポリシートレーニングを可能にする。
既存のアプローチでは、平均的なシミュレーションの忠実さを改善するか、保守的な正規化を採用するかに重点を置いている。
提案するSim2Actは,シミュレータとポリシーのロバスト性の両方に対処するロバストなシミュレーション・トゥ・意思決定フレームワークである。
論文 参考訳（メタデータ） (2026-03-10T00:51:47Z) - ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation [72.78362530982109]
ARTIS(Agenic Risk-Aware Test-Time Scaling via Iterative Simulation)は、コミットメントから探索を分離するフレームワークである。
LLMをベースとした簡易シミュレータは, 希少かつ高インパクトな障害モードの捕捉に苦慮していることを示す。
本稿では,障害発生行動の忠実度を強調するリスク認識ツールシミュレータを提案する。
論文 参考訳（メタデータ） (2026-02-02T06:33:22Z) - Fast and Realistic Automated Scenario Simulations and Reporting for an Autonomous Racing Stack [1.40300365696538]
本稿では,自動レーススタック ur.autopilot に実装された自動シミュレーションとレポートパイプラインについて述べる。
パイプラインは、ソフトウェアスタックとシミュレーションを、リアルタイムよりも最大3倍高速に実行できる。
本稿では,センサ遅延や摂動の導入,スタックの任意のノードの出力の変更が可能なフォールトインジェクションモジュールの実装方法について述べる。
論文 参考訳（メタデータ） (2025-12-30T18:36:20Z) - 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) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z)
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。