論文の概要: Beyond Shallow-Water Photorealism: Physically and Sensor-Grounded Simulation for Deep-Sea Robotics
- arxiv url: http://arxiv.org/abs/2608.26888v1
- Date: Thu, 27 Aug 2026 09:45:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.335915
- Title: Beyond Shallow-Water Photorealism: Physically and Sensor-Grounded Simulation for Deep-Sea Robotics
- Title（参考訳）: 浅水のフォトリアリズムを超えて:深海ロボットの物理的およびセンサーによるシミュレーション
- Abstract要約: 今回,Stonefishシミュレータの物理・センサグラウンド拡張について述べる。
これらの追加は、深海AUV、ROV、ランダー、ASV、グライダーの行動を形成する力と測定をよりよく捉えるように設計されている。
この研究は、より代表的な深海活動条件に向けて水中シミュレーションを進める。
- 参考スコア（独自算出の注目度）: 4.416336455040627
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many recent underwater simulators emphasize visual realism at the expense of physical fidelity, focusing on shallow-water effects with limited relevance in deep-water environments and high computational cost. In this work, we shift the focus toward deep-sea physical and sensor realism. We present a physics- and sensor-grounded extension of the Stonefish simulator that augments its hydrodynamic models with stochastic IMU and DVL drift, magnetometer disturbances, higher-order hydrodynamics, terramechanics, pressure-driven environmental variability, and physically based underwater optics. These additions are designed to better capture the forces and measurements shaping the behavior of deep-ocean AUVs, ROVs, landers, ASVs, and gliders, while remaining compatible with real-time simulation. This work advances underwater simulation toward more representative deep-sea operating conditions, which is particularly relevant for long-duration navigation and learning-based autonomy, where inaccurate sensor and environmental models introduce non-physical artifacts and overly optimistic performance. While challenges remain, including complex fluid-structure interactions and full environmental stochasticity, the proposed framework provides a practical foundation for navigation, perception, and autonomy research under deep-sea conditions.
- Abstract（参考訳）: 近年の水中シミュレータの多くは、深海環境と計算コストの低い浅海効果に焦点をあて、物理的忠実さを犠牲にして視覚的リアリズムを強調している。
本研究では,深海物理・センサリアリズムに焦点を移す。
我々はStonefishシミュレータの物理およびセンサーによる拡張を行い、確率的IMUおよびDVLドリフト、磁力計の乱れ、高次流体力学、テラメカニクス、圧力駆動型環境変動性、および物理的にベースとした水中光学を用いて流体力学モデルを強化する。
これらの追加は、深海AUV、ROV、ランダー、ASV、グライダーの挙動を、リアルタイムのシミュレーションと互換性を持ちながら、より正確に把握し、測定するように設計されている。
この研究は、特に長期航法と学習に基づく自律性に関係し、不正確なセンサと環境モデルが非物理的アーティファクトを導入し、過度に楽観的なパフォーマンスをもたらす、より代表的な深海運用条件に向けて、水中シミュレーションを前進させる。
複雑な流体構造相互作用や完全な環境確率性を含む課題は残るが、提案された枠組みは深海環境下でのナビゲーション、知覚、自律性研究の実践的な基盤を提供する。
関連論文リスト
- LOTUSim: Multi-Domain Simulator for Marine Robotics [0.49838563301861205]
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。
論文 参考訳（メタデータ） (2026-07-03T08:09:01Z) - Rethinking Conditional Generation for Underwater Salient Object Detection [69.38806804258452]
コンディショナル・ジェネレーション・ネットワーク(DCGNet)は、水中のサリエンシ生成のための信頼性の高いコンディショナル・特徴を構築するために設計されている。
DCGNetは既存の最先端手法を著しく上回り、複雑な水中視覚応用の可能性を検証している。
論文 参考訳（メタデータ） (2026-07-02T07:48:06Z) - Resonance4D: Frequency-Domain Motion Supervision for Preset-Free Physical Parameter Learning in 4D Dynamic Physical Scene Simulation [53.141181758015186]
Resonance4Dは3次元ガウス散乱と物質点法を結合した物理駆動4次元動的シミュレーションフレームワークである。
我々の重要な洞察は、動的整合性は、相補的領域における共同的拘束運動によって、高密度時間発生なしに強制できるということである。
Resonance4Dは、ピークGPUメモリを35,GB以上から20GB程度に削減しつつ、強力な物理忠実性と運動の整合性を実現する。
論文 参考訳（メタデータ） (2026-04-02T13:00:22Z) - OceanGym: A Benchmark Environment for Underwater Embodied Agents [69.56465775825275]
OceanGymは、海洋水中のエンボディエージェントに関する最初の総合的なベンチマークである。
それは、最も要求の多い現実世界環境の1つでAIを前進させるように設計されている。
高忠実で厳格に設計されたプラットフォームを提供することで、OceanGymは堅牢なエンボディAIを開発するためのテストベッドを確立する。
論文 参考訳（メタデータ） (2025-09-30T17:09:32Z) - TUGS: Physics-based Compact Representation of Underwater Scenes by Tensorized Gaussian [6.819210285113731]
水中ガウススティング(TUGS)は、物体と水媒体の複雑な相互作用のモデリング課題を効果的に解決することができる。
水中用に設計された他のNeRFおよびGSベースの方法と比較して、TUGSは高速なレンダリング速度とメモリ使用量の削減で高品質な水中画像をレンダリングすることができる。
論文 参考訳（メタデータ） (2025-05-12T07:09:35Z) - AI-Enhanced Automatic Design of Efficient Underwater Gliders [60.45821679800442]
自動設計フレームワークの構築は、グライダー形状を表現する複雑さと、複雑な固体-流体相互作用をモデル化する際の計算コストが高いため、困難である。
非自明な船体形状の水中ロボットを作れるようにすることで、これらの制限を克服するAI強化型自動計算フレームワークを導入する。
提案手法は, 形状と制御信号の両面を協調的に最適化するアルゴリズムで, 低次幾何表現と微分可能なニューラルネット型流体代理モデルを用いる。
論文 参考訳（メタデータ） (2025-04-30T23:55:44Z) - Stonefish: Supporting Machine Learning Research in Marine Robotics [5.021710505685786]
本稿では,海洋ロボティクスソリューションの開発とテストを支援するオープンソースプラットフォームであるStonefishシミュレータの最近の拡張を強調した。
主なアップデートには、視覚光通信、テザリング操作のサポート、スラスタモデリングの改善、より柔軟な流体力学、ソナー精度の向上などが含まれる。
論文 参考訳（メタデータ） (2025-02-17T15:13:41Z) - Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳（メタデータ） (2024-10-08T10:35:32Z) - Learning Adaptive Hydrodynamic Models Using Neural ODEs in Complex Conditions [9.392180262607921]
強化学習に基づく四足歩行ロボットは、様々な地形を横断するが、水中で泳ぐ能力は乏しい。
本稿では,水陸両用四足歩行ロボットのためのデータ駆動型流体力学モデルの開発と評価について述べる。
論文 参考訳（メタデータ） (2024-10-01T08:18:36Z) - DeepSimHO: Stable Pose Estimation for Hand-Object Interaction via
Physics Simulation [81.11585774044848]
我々は、前方物理シミュレーションと後方勾配近似とニューラルネットワークを組み合わせた新しいディープラーニングパイプラインであるDeepSimHOを紹介する。
提案手法は, 評価の安定性を著しく向上し, テスト時間最適化よりも優れた効率性を実現する。
論文 参考訳（メタデータ） (2023-10-11T05:34:36Z) - Autoencoding a Soft Touch to Learn Grasping from On-land to Underwater [17.27917150366665]
本研究は,視覚を用いたソフトロボット指による陸上から水中への知識の伝達可能性について検討した。
高フレームのカメラが全身の変形を捉え、ソフトロボットの指が地上や水中の物理的物体と相互作用する。
その結果,訓練されたSVAEモデルは,陸から水へ移動可能なソフトメカニックの一連の潜伏表現を学習した。
論文 参考訳（メタデータ） (2023-08-16T17:07:37Z)
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。