論文の概要: IMU-Centric Moving Horizon Estimation for Lateral Dynamics Estimation Across Vehicles and Grip Conditions
- arxiv url: http://arxiv.org/abs/2609.10202v2
- Date: Thu, 10 Sep 2026 10:37:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 14:47:34.308415
- Title: IMU-Centric Moving Horizon Estimation for Lateral Dynamics Estimation Across Vehicles and Grip Conditions
- Title（参考訳）: 車両横方向ダイナミクス推定のためのIMU中心移動水平推定とグリップ条件
- Abstract要約: 本稿では、標準搭載信号を用いて横方向の速度を再構成する慣性測定ユニット(IMU)中心の移動水平推定フレームワークを提案する。
人間駆動型スポーツカーと自律型オープンホイールレースカーの実験的検証は、正確で頑健な横速度と横加速度の推定値を示す。
- 参考スコア（独自算出の注目度）: 40.68933034473117
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate estimation of lateral vehicle dynamics near the adhesion limit is important for stability control and high-performance driving, but lateral velocity is rarely measured directly because sensors such as optical sensors are costly. This paper presents an inertial measurement unit (IMU)-centric Moving Horizon Estimation framework that reconstructs lateral velocity using standard onboard signals, without relying on exteroceptive odometry or detailed tire-parameter tuning. Experimental validation on human-driven sports cars and an autonomous open-wheel race car across tracks, maneuvers, and conditions demonstrates accurate and robust lateral velocity and lateral acceleration estimates. The proposed framework is available at https://github.com/Aseuffo/IMU-Centric-MHE
- Abstract（参考訳）: 粘着限界付近の横方向車両動特性の正確な推定は安定性制御や高速運転には重要であるが,光学センサなどのセンサが高価であるため,横方向速度を直接測定することは稀である。
本稿では,標準搭載信号を用いて横方向速度を再構成する慣性計測ユニット(IMU)中心の移動水平推定フレームワークを提案する。
人力スポーツカーと自動オープンホイールレースカーのトラック、操縦、条件に対する実験的検証は、正確で頑健な横速度と横加速度の推定値を示す。
提案されたフレームワークはhttps://github.com/Aseuffo/IMU-Centric-MHEで利用可能である。
関連論文リスト
- A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
車両の直接遠隔操作は重要な技術的ボトルネックに直面している。
通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。
本稿では,一方的な遠隔操作フレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-11T01:51:08Z) - Attitude Estimation Using Inertial and Barometric Measurements [0.0]
本稿では,車両の垂直運動の相補的な情報を提供するため,バロメーターを用いた姿勢推定アーキテクチャを提案する。
その結果、バロメーターを用いた推定は、最小限の感覚構成における姿勢推定に軽量で信頼性があり、効果的な補完的な感覚モータリティを提供することを示した。
論文 参考訳（メタデータ） (2026-07-14T20:36:13Z) - Motor Angular Speed Preintegration for Multirotor UAV State Estimation [3.5945543871230274]
正確な状態推定は、UAVのアジャイルおよびほぼ不安定な飛行を可能にする厳密なフィードバック制御に不可欠である。
運動速度から得られる加速度の事前積分に基づく新しい手法を提案する。
この方法で得られた加速度は、IMUを含まずにより正確な精度を達成するために、それ自体で状態伝播に利用できることを示す。
論文 参考訳（メタデータ） (2026-06-18T08:29:29Z) - Physics-Informed Reinforcement Learning of Spatial Density Velocity Potentials for Map-Free Racing [73.88859384645264]
Out-Of-Distribution (OOD) の様々なレーストラックへの一般化は、機械学習(ML)を用いて、エンドツーエンド制御のためのセンサデータと車両アクチュエーターの間の数学的関係を符号化する。
本稿では,非幾何学的,物理インフォームド報酬を用いた深度測定のスペクトル分布から非線形車両動特性をパラメータ化して,ニューラルネットワーク(ANN)による車両の時間最適・乗換レース制御を推定するDRL法を提案する。
このポリシーは、経験的なパセジカタイヤモデルに似たタイヤのダイナミックスで摩擦円を最大化することで、OODトラックの12%で人間のデモより優れています。
論文 参考訳（メタデータ） (2026-04-10T17:12:07Z) - RAGE-XY: RADAR-Aided Longitudinal and Lateral Forces Estimation For Autonomous Race Cars [1.4866448722906016]
本稿では,車速,タイヤスリップ角度,およびIMUやRADARなどの標準搭載センサのみを用いて車両に作用する力を同時に推定するリアルタイム推定フレームワークであるRAG-XYを提案する。
提案手法は,EAV-24自律レースカー上で実施された高忠実度シミュレーションと実世界実験の両方を通して検証する。
論文 参考訳（メタデータ） (2026-04-09T07:59:35Z) - RAGE: A Tightly Coupled Radar-Aided Grip Estimator For Autonomous Race Cars [1.4866448722906016]
本稿では,車速,タイヤのすべり角度,それに作用する横力を同時に推定する新しいリアルタイム推定器であるRAGを紹介する。
EAV-24自律レースカーで実施した高忠実度シミュレーションと実世界実験により,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2026-04-03T09:00:48Z) - Planar Velocity Estimation for Fast-Moving Mobile Robots Using Event-Based Optical Flow [1.4447019135112429]
本稿では,車輪と表面のトラクションの仮定から分離した速度推定手法を提案する。
提案手法は1:10スケールの自律レースプラットフォーム上でのフィールド実験により評価される。
論文 参考訳（メタデータ） (2025-05-16T11:00:33Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - Pedestrian orientation dynamics from high-fidelity measurements [65.06084067891364]
本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。
提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。
このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
論文 参考訳（メタデータ） (2020-01-14T07:08:31Z)
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。