論文の概要: Robostreet Flow: A Lightweight, Ultra-Low-Drag Electric Tractor and Four-Truck Hybrid Convoy Architecture for Minimum-Cost Point-to-Point Freight
- arxiv url: http://arxiv.org/abs/2607.26250v1
- Date: Tue, 28 Jul 2026 20:33:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.46989
- Title: Robostreet Flow: A Lightweight, Ultra-Low-Drag Electric Tractor and Four-Truck Hybrid Convoy Architecture for Minimum-Cost Point-to-Point Freight
- Title（参考訳）: ロボットストリートフロー:極小コストポイントツーポイントウェイトのための軽量超低抵抗電動トラクタと4トラックハイブリッドコンボイアーキテクチャ
- Authors: Wei Wang, Yiru Veronika Wang, Sumukh Veeramalla, Xiaohui Liang, for the Robostreet Research Team,
- Abstract要約: ロボストリート・フロー (Robostreet Flow) はバッテリー駆動の6x4トラクタで、涙滴式単座キャブとドラッグ係数は0.35である。
炭素複合モノコックと構造的に統合された電池は、純車重量を50%削減する。
4台のフロートラックが先頭車のみに安全ドライバーを乗せたコーディネートとして運用され、3台の従者がSAEレベル4の自動走行モードで運用されている。
- 参考スコア（独自算出の注目度）: 12.667896572345642
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Line-haul trucking costs are dominated by three comparably sized components: energy, driver labor, and equipment. Most efficiency technologies address only one component at a time. This paper presents Robostreet Flow, a freight architecture that jointly optimizes the vehicle, convoy formation, and operating model to minimize cost per ton-mile on high-volume point-to-point corridors. The Flow platform is a battery-electric 6x4 tractor with a teardrop single-seat cab and a drag coefficient of 0.35, approximately 40% below that of conventional Class 8 tractors. A carbon-composite monocoque and structurally integrated batteries reduce net vehicle weight by 50%. A 513 kWh tractor battery and a 340 kWh powered trailer battery provide a 500-mile single-charge range. Four Flow trucks operate as a coordinated convoy with a safety driver only in the lead vehicle, while three followers operate in SAE Level 4 automated mode. Computational fluid dynamics simulations show that close following at an 8 m gap reduces follower drag coefficients by 42-48% and follower peak frontal pressure by approximately a factor of four relative to the exposed lead vehicle. A longitudinal energy model calibrated to these results predicts fleet-average consumption of 1.27 kWh/mi in convoy, compared with 1.60 kWh/mi for an isolated vehicle, for a 20.5% energy saving. Electricity cost is approximately 17% of the equivalent diesel fuel cost. Amortizing one driver across four trucks and accounting for the additional payload enabled by lightweighting reduce operating cost from 9.4 to 4.1 cents per ton-mile, a 56% reduction relative to a diesel baseline. Sensitivity analysis, a hub-to-hub operating concept, and regulatory implications are also presented.
- Abstract（参考訳）: ラインハールトラックのコストは、エネルギー、ドライバーの労働力、設備の3つの相容れない大きさの部品によって支配されている。
ほとんどの効率技術は一度に1つのコンポーネントだけに対処する。
本稿では,高体積点対点回廊における1トンマイル当たりのコストを最小化するために,車両,船団編成,運行モデルを共同で最適化した貨物構造物であるRobostreet Flowを提案する。
Flowプラットフォームはバッテリー駆動の6x4トラクタで、涙滴式単座キャブとドラッグ係数は0.35で、従来のクラス8トラクタより約40%低い。
炭素複合モノコックと構造的に統合された電池は、純車重量を50%削減する。
513kWhのトラクタバッテリーと340kWhのトレーラーバッテリーは500マイルの単充電レンジを提供する。
4台のフロートラックが先頭車のみに安全ドライバーを乗せたコーディネートとして運用され、3台の従者がSAEレベル4の自動走行モードで運用されている。
計算流体力学シミュレーションにより, 8m間隔での追従は追従抵抗係数を42-48%, 追従ピーク前圧を約4倍減少させることが示された。
これらの結果に合わせて調整された縦型エネルギーモデルでは、ワゴンで平均1.27kWh/mi、孤立した車両で1.60kWh/mi、20.5%の省エネが予測される。
電力コストは、同等のディーゼル燃料コストの約17%である。
4台のトラックに1台のドライバーを乗せ、運転コストを9.4から4.1セントに軽量化し、ディーゼルのベースラインに対して56%削減した。
感度分析,ハブ・ツー・ハブ操作の概念,および規制含意についても述べる。
関連論文リスト
- Energy-Efficient Arm Reaching for a Humanoid Robot via Deep Reinforcement Learning with Identified Power Models [44.9566685062534]
本論文では,UnitreeG1ヒューマノイドロボットの7自由度左腕のための,エンドツーエンドでエネルギーを意識した強化学習フレームワークを提案する。
このポリシーは、3つの独立した10ターゲットのバッチで検証され、平均エネルギーは71.5 pm 48.3$,J、終端エフェクター位置誤差は2.64 pm 1.04$,cm、方位誤差は6.92 pm 1.33circ$ -- SI4centimetre/$8.6circ$のトレーニング耐性を持つ。
論文 参考訳（メタデータ） (2026-06-14T16:46:18Z) - Identification of a Physics-Based Electrical Power Consumption Model for the Unitree G1 Humanoid Arm [41.90412270641482]
本稿では,UnitreeG1ヒューマノイドロボットの左腕の電力消費に関する物理モデルを提案する。
提案した定式化は、アクチュエータ損失項とベースライントルク補正を組み合わせることで、重力補償負荷の変化を捉える。
シングルジョイントとアコーディネートアームの動作を複数の速度レベルでカバーする897トラジェクトリで、同定されたモデルは、1.07 (W)のRMSEで$R2 = 0.933$に達する。
論文 参考訳（メタデータ） (2026-06-14T16:45:07Z) - The Hidden Cost of Thinking: Energy Use and Environmental Impact of LMs Beyond Pretraining [59.27959962602072]
Olmo 3は70億と32億のパラメータモデルからなるファミリーである。
モデル開発プロセスでは,12.3GWhのデータセンターエネルギーを消費し,4,251tCO2eqを放出し,15,887kLの水を消費した。
論文 参考訳（メタデータ） (2026-05-01T23:24:23Z) - On the modular platoon-based vehicle-to-vehicle electric charging problem [1.7403133838762448]
モジュラー車(MV)用に設計された小隊型車間充電(PV2VC)技術のための混合整数線形プログラム(MILP)を定式化する。
PV2VC技術は、エネルギー消費の最大11.07%、旅行時間の11.65%、総コストの11.26%を節約できることを示した。
PV2VCの運用シナリオでは、低初期状態の長距離車両路線、低充電設備、旅行時間がエネルギー消費コストよりも高いと見なされる場合、より有益である。
論文 参考訳（メタデータ） (2025-11-20T17:00:08Z) - A Hybrid Surrogate for Electric Vehicle Parameter Estimation and Power Consumption via Physics-Informed Neural Operators [1.4524691281000133]
電気自動車のパラメータ推定と電力消費のためのハイブリッドサロゲートモデルを提案する。
速度と加速度だけで、時変モーターと再生ブレーキ効率を出力する。
我々はTesla Model 3、Tesla Model S、およびKia EV9の実際のログを評価した。
論文 参考訳（メタデータ） (2025-08-18T04:01:42Z) - NPC: Neural Predictive Control for Fuel-Efficient Autonomous Trucks [31.02279745978277]
燃料効率は、石油を動力とするトラックによる長距離貨物輸送の重要な側面である。
現在の予測制御法は、車両力学とエンジンの正確なモデルに依存している。
車両に物理モデルを用いない純データ駆動型ニューラル予測制御(NPC)を提案する。
論文 参考訳（メタデータ） (2024-12-18T08:57:05Z) - Effect of electric vehicles, heat pumps, and solar panels on low-voltage feeders: Evidence from smart meter profiles [0.0]
低炭素技術(LCT)は高速で低電圧グリッド(LVG)に接続されている。
LVGへの影響を理解するための大きなハードルの1つは、最近の大規模な電力消費データセットの欠如である。
住宅LVG顧客を対象とした42,089個のスマートメータの大規模データセットを用いて,LV供給者のピークの大きさとタイミングに対するLCTの寄与について検討した。
論文 参考訳（メタデータ） (2024-09-11T10:15:56Z) - Risk Adversarial Learning System for Connected and Autonomous Vehicle
Charging [43.42105971560163]
我々は、コネクテッドかつ自律的な自動車充電インフラ(CAV-CI)のための合理的意思決定支援システム(RDSS)の設計について検討する。
検討されたCAV-CIでは、配電系統オペレーター(DSO)が電気自動車供給装置(EVSE)を配備し、人間駆動のコネクテッドカー(CV)と自動運転車(AV)のためのEV充電設備を提供する。
人力EVによる充電要求は、実際の需要よりもエネルギーと充電時間を必要とすると不合理になる。
我々は,CAV-CIが解決する新たなリスク対向型マルチエージェント学習システム(ALS)を提案する。
論文 参考訳（メタデータ） (2021-08-02T02:38:15Z) - State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural
Networks [68.8204255655161]
リチウムイオン電池のためのDeep Forward Networkを構築し,その性能評価を行った。
本研究の貢献はリチウムイオン電池用ディープフォワードネットワークの構築手法とその性能評価である。
論文 参考訳（メタデータ） (2020-09-20T23:47:11Z) - Robustifying the Deployment of tinyML Models for Autonomous
mini-vehicles [61.27933385742613]
本稿では,ループ内環境を含む自動運転ミニ車両を対象とした閉ループ学習フローを提案する。
我々は、小型CNNのファミリーを利用してミニ車両を制御し、コンピュータビジョンアルゴリズム、すなわち専門家を模倣してターゲット環境で学習する。
CNNのファミリを実行する場合、我々のソリューションはSTM32L4とk64f(Cortex-M4)の他の実装よりも優れており、レイテンシを13倍以上削減し、エネルギー消費を92%削減する。
論文 参考訳（メタデータ） (2020-07-01T07:54:26Z)
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。