論文の概要: mmRadarTwin: A Measurement-Calibrated Signal-Level Digital Twin Platform for Indoor mmWave Radar
- arxiv url: http://arxiv.org/abs/2607.28108v1
- Date: Thu, 30 Jul 2026 12:14:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.550384
- Title: mmRadarTwin: A Measurement-Calibrated Signal-Level Digital Twin Platform for Indoor mmWave Radar
- Title（参考訳）: mmRadarTwin:室内ミリ波レーダのための測定校正信号レベルディジタルツインプラットフォーム
- Abstract要約: mmRadarTwinは、屋内mmWaveレーダー用の信号レベルおよび経路分布デジタルツインプラットフォームである。
mmRadarTwinは、実際のレーダー測定ブランチとUnreal Engineシーンシミュレーションブランチをリンクする。
オフィス配置におけるmmRadarTwinの評価には,コモディティモノスタティックmmWaveレーダとモバイルシーンキャプチャハードウェアを用いた。
- 参考スコア（独自算出の注目度）: 7.469753295999656
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Indoor mmWave radar perception is difficult to reproduce because measured range-angle responses depend on scene geometry, material response, multipath, hardware conventions, and signal processing. Existing ray-tracing and digital-twin tools often expose rendering, channel, or path-level quantities, while radar sensing requires complex signal products that can be processed and compared in the same domain as real FMCW measurements. We present mmRadarTwin, a signal-level and path-attributed digital-twin platform for indoor mmWave radar. mmRadarTwin links a real radar measurement branch with an Unreal Engine scene-simulation branch through a shared receive-channel and range-angle processing interface. The simulator writes complex multi-channel receive grids and exports per-path contribution records that identify the actor, material tag, propagation event, and output-bin support of each simulated return. We evaluate mmRadarTwin in an office deployment using a commodity monostatic mmWave radar and mobile scene-capture hardware. Across 154 measured poses spanning 22 radar locations, the current physics-only path-basis simulator recalls 70.8% of measurement-active geometry-supported response regions in the central usable field of view while exposing residuals caused by weak or missing path support, shifted responses, unsupported anchors, and missing physical mechanisms. Rather than claiming complete radar-map reconstruction or cross-room generalization, mmRadarTwin establishes a practical systems workflow for constructing, comparing, and diagnosing indoor radar digital twins.
- Abstract（参考訳）: 室内でのmmWaveレーダの認識は、計測範囲の応答がシーン形状、材料応答、マルチパス、ハードウェア規約、信号処理に依存するため、再現が難しい。
既存のレイトレーシングやデジタルツインツールは、しばしばレンダリング、チャネル、パスレベルの量を露呈するが、レーダセンシングには、実際のFMCW測定と同じ領域で処理および比較できる複雑な信号生成物が必要である。
屋内ミリ波レーダのための信号レベルおよび経路分布デジタルツインプラットフォームであるmmRadarTwinについて述べる。
mmRadarTwinは、実際のレーダー計測ブランチとUnreal Engineシーンシミュレーションブランチを共有受信チャンネルとレンジ角処理インターフェースを介して接続する。
シミュレータは複雑なマルチチャネル受信グリッドを書き、アクター、マテリアルタグ、伝搬イベント、各シミュレートされたリターンの出力ビンサポートを特定するパス毎のコントリビューションレコードをエクスポートする。
オフィス配置におけるmmRadarTwinの評価には,コモディティモノスタティックmmWaveレーダとモバイルシーンキャプチャハードウェアを用いた。
現在の物理学のみのパスベイシスシミュレータは、中央使用可能な視野における計測活性な幾何学的応答領域の70.8%をリコールし、弱いまたは欠落した経路支持、シフト応答、サスペンションアンカー、欠落した物理的メカニズムによって引き起こされた残差を露呈する。
完全なレーダーマップの再構築やクロスルームの一般化を主張する代わりに、mmRadarTwinは屋内レーダーデジタルツインの構築、比較、診断のための実用的なシステムワークフローを確立している。
関連論文リスト
- Segment Any Motion with Radar: Robust Multimodal Moving-Object Segmentation and Tracking [18.63898447592778]
RGBTR-Motionは、RGB、サーマル、レーダストリームを高密度のインスタンスマスクと時間的に一貫したIDと組み合わせたベンチマークである。
また、SAM 3上に構築されたRGB、サーマル、レーダーに基づくセグメンテーションおよびトラッキングフレームワークであるSAM-Radarも開発している。
論文 参考訳（メタデータ） (2026-09-08T07:17:33Z) - RadarTwin: Scene-Specific mmWave Radar Simulation and Learning for Mobile Indoor Perception [2.0255467447384015]
RadarTwinは、実際のデータ収集の前にデプロイメント固有のレーダートレーニングデータを生成するためのフレームワークである。
シミュレーションと実レーダは同じ物体識別形状と材料特性を共有していることを示す。
シミュレーションだけで訓練された表現は、実際のレーダーラベルのない2.5倍の確率で実際の物体を認識し、いくつかのラベル付き例では、これを12方向の認識タスクで95.3%に引き上げている。
論文 参考訳（メタデータ） (2026-06-24T05:50:26Z) - RadarSim: Simulating Single-Chip Radar via Multimodal Neural Fields [49.41438378775056]
レーダーはカメラの理想的な補完であり、カメラは細かな角分解能を提供し、レーダーは悪天候下でメートル法的な深さと頑丈さを提供する。
RadarSimはレーダーのみの再構築よりもシャープな幾何学とドップラーレンジフレームを生成する。
論文 参考訳（メタデータ） (2026-05-25T21:03:40Z) - RLPR: Radar-to-LiDAR Place Recognition via Two-Stage Asymmetric Cross-Modal Alignment for Autonomous Driving [14.25906590501402]
Radar-to-LiDARの位置認識は、既存のLiDARマップ内のレーダースキャンをローカライズすることができる。
RLPRは、単一チップ、走査、および4Dレーダと互換性のある堅牢なレーダー対LiDAR位置認識フレームワークである。
4つのデータセットの実験により、RLPRは強力なゼロショット一般化能力で認識精度を達成することが示された。
論文 参考訳（メタデータ） (2026-03-09T03:28:44Z) - RadarGen: Automotive Radar Point Cloud Generation from Cameras [64.69976771710057]
マルチビューカメラ画像からリアルな自動車用レーダー点雲を合成するための拡散モデルRadarGenを提案する。
RadarGenは、鳥の目視でレーダー計測を表現することで、レーダ領域への効率的な画像遅延拡散を適応する。
本稿では,RadarGenが特徴的レーダ計測分布を捕捉し,実データに基づいて学習した知覚モデルとのギャップを小さくすることを示す。
論文 参考訳（メタデータ） (2025-12-19T18:57:33Z) - Simulate Any Radar: Attribute-Controllable Radar Simulation via Waveform Parameter Embedding [12.285004244174917]
SA-Radarは、カスタマイズ可能なレーダー属性に基づいて、制御可能で効率的なレーダーキューブの生成を可能にするレーダーシミュレーションアプローチである。
我々は、波形パラメータを符号化したレーダ属性を条件とした3次元U-NetであるICFAR-Netを設計し、異なるレーダ構成によって引き起こされる信号の変動を捉える。
我々のフレームワークは、新しいセンサ視点と編集シーンのシミュレーションもサポートしており、自動運転アプリケーションのための汎用レーダーデータエンジンとしての可能性を示している。
論文 参考訳（メタデータ） (2025-06-03T17:58:28Z) - Resource-Efficient Beam Prediction in mmWave Communications with Multimodal Realistic Simulation Framework [57.994965436344195]
ビームフォーミングは、方向と強度を最適化して信号伝送を改善するミリ波通信において重要な技術である。
マルチモーダルセンシング支援ビーム予測は,ユーザ位置やネットワーク条件を予測するために,さまざまなセンサデータを使用して注目されている。
その有望な可能性にもかかわらず、マルチモーダルセンシング支援ビーム予測の採用は、高い計算複雑性、高いコスト、限られたデータセットによって妨げられている。
論文 参考訳（メタデータ） (2025-04-07T15:38:25Z) - Radar Fields: Frequency-Space Neural Scene Representations for FMCW Radar [62.51065633674272]
本稿では,アクティブレーダイメージア用に設計されたニューラルシーン再構成手法であるRadar Fieldsを紹介する。
提案手法では,暗黙的ニューラルジオメトリとリフレクタンスモデルを用いて,暗黙的な物理インフォームドセンサモデルを構築し,生のレーダ測定を直接合成する。
本研究では,密集した車両やインフラを備えた都市景観を含む,多様な屋外シナリオにおける手法の有効性を検証する。
論文 参考訳（メタデータ） (2024-05-07T20:44:48Z) - DART: Implicit Doppler Tomography for Radar Novel View Synthesis [9.26298115522881]
DARTは、レーダ固有の物理を用いて、レンジドップラー画像のための反射率および透過率に基づくレンダリングパイプラインを作成する、ニューラルラジアンスフィールドにインスパイアされた方法である。
最先端のベースラインと比較して、DARTはすべてのデータセットにまたがる新しいビューから優れたレーダレンジ・ドップラー画像を合成する。
論文 参考訳（メタデータ） (2024-03-06T17:54:50Z) - Sionna RT: Differentiable Ray Tracing for Radio Propagation Modeling [65.17711407805756]
Sionnaは、リンクレベルのシミュレーションをベースとしたGPUアクセラレーションのオープンソースライブラリである。
リリース v0.14 以降、電波伝搬のシミュレーションのために微分可能なレイトレーサ (RT) を統合している。
論文 参考訳（メタデータ） (2023-03-20T13:40:11Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳（メタデータ） (2020-07-28T17:15:02Z)
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。