論文の概要: Coastal Environment Generation with HoloOcean

• arxiv url: http://arxiv.org/abs/2609.10484v1
• Date: Wed, 09 Sep 2026 17:25:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.121615
• Title: Coastal Environment Generation with HoloOcean
• Title（参考訳）: ホロオセアンを用いた沿岸環境の創出
• Abstract要約: 本研究では,HoloOceanの沿岸環境の自動生成を可能にする新しいUnreal Engine 5レベル生成パイプラインを提案する。 私たちのパイプラインは、ユーザが提供した沿岸のシーンのオーバーヘッド画像に依存しています。 パイプラインは画像を使用して高度マップデータを生成し、アセットを自動的に選択して環境に配置する。
• 参考スコア（独自算出の注目度）: 4.087168607196484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Marine robotic simulation provides a safe and inexpensive method of developing and testing algorithms for unmanned underwater vehicle (UUV) and unmanned surface vessel (USV) autonomy and perception before full field deployment. However, these simulations are often limited by the availability of simulated environments. Current marine robotics simulation suites offer manual ways to edit or create environments, but they require existing data or specialized knowledge of the environment system. To address these issues, we introduce a novel Unreal Engine 5 level generation pipeline that enables automatic creation of coastal environments for HoloOcean. Our pipeline relies on a user-provided overhead image of a coastal scene. The pipeline then uses the image to generate height map data, as well as automatically select assets and place them in the environment.
• Abstract（参考訳）: 海洋ロボットシミュレーションは、無人水中車両(UUV)と無人表面容器(USV)のための安全で安価なアルゴリズムの開発と試験方法を提供する。 しかし、これらのシミュレーションはシミュレーション環境の可用性によって制限されることが多い。 現在の海洋ロボットシミュレーションスイートは、環境を編集または作成するための手動の方法を提供するが、それらは既存のデータや環境システムの専門知識を必要とする。 これらの問題に対処するために,HoloOceanの沿岸環境の自動生成を可能にする,新しいUnreal Engine 5レベル生成パイプラインを導入する。 私たちのパイプラインは、ユーザが提供した沿岸のシーンのオーバーヘッド画像に依存しています。 パイプラインは画像を使用して高度マップデータを生成し、アセットを自動的に選択して環境に配置する。

関連論文リスト

• LOTUSim-Energy: A Maritime Simulator for Human-Drone Interaction in Autonomous Offshore Operation \& Maintenance [0.5545791216381868]
  LOTUSim-Energy(ロツシム・エネルギー)は、オフショア・オペレーションとメンテナンスのためのマルチドメイン・ヒューマン・ドローン・インタラクション用に設計されたリアルタイム海洋シミュレータである。 このシミュレータは、現実的な物理、エネルギーを意識したバッテリモデリング、モジュール検証ツールとしての欠陥検出パイプラインをサポートする。
  論文  参考訳（メタデータ） (2026-09-15T12:49:54Z)
• Path Planning in Physically Viable World Models [18.428830365919918]
  本研究では,将来的な地形変化下でのロボットナビゲーションにおけるe-ifクエリを評価するための物理的に実行可能な世界モデルを提案する。 次に、世界モデルでシミュレートされた物理的事象、障害物、変形を考慮に入れた地形対応プランナーを実装した。 以上の結果から, 物理的に実現可能な世界モデルは, もともとの再建された環境にのみ計画を立てる際には明らかでない, 長期の経路障害や再帰的行動を明らかにすることが示唆された。
  論文  参考訳（メタデータ） (2026-07-01T09:19:29Z)
• GASE: Gaussian Splatting-Based Automated System for Reconstructing Embodied-Simulation Environments [63.222920701596564]
  実世界での実施エージェントの訓練には熟練したオペレーターと高価なハードウェアが必要である。 シミュレーション環境は、大規模で費用対効果の高いデータ拡張を可能にすることで、魅力的な代替手段を提供する。 シミュレーションシーンを最小限のsim-to-realギャップで高速に構築することは、ロボット学習において重要な目標となっている。
  論文  参考訳（メタデータ） (2026-06-16T05:00:42Z)
• SAGE: Scalable Agentic 3D Scene Generation for Embodied AI [67.43935343696982]
  既存のシーン生成システムは、しばしばルールベースまたはタスク固有のパイプラインに依存し、アーティファクトと物理的に無効なシーンを生成する。 本稿では,ユーザが特定した具体的タスクを与えられたエージェントフレームワークであるSAGEについて,その意図を理解し,大規模にシミュレーション可能な環境を自動的に生成する。 得られた環境は現実的で多様性があり、政策訓練のための現代的なシミュレーターに直接デプロイできる。
  論文  参考訳（メタデータ） (2026-02-10T18:59:55Z)
• Synthetic Data Pipelines for Adaptive, Mission-Ready Militarized Humanoids [0.0]
  このアプローチは、視点記録、スマートグラス、拡張現実ヘッドセット、空間ブラウジングから得られる一対一の空間観察を、ヒューマノイド自律のためのミッション固有の合成データセットに変換する。 このパイプラインは、広範囲にわたるフィールドトライアルのコスト、リスク、時間的制約なしに、認識、ナビゲーション、意思決定能力の迅速なイテレーションを可能にする。
  論文  参考訳（メタデータ） (2025-12-16T13:54:34Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• FlightForge: Advancing UAV Research with Procedural Generation of High-Fidelity Simulation and Integrated Autonomy [2.6003704171754416]
  本研究では,FlightForge UAVオープンソースシミュレータを提案する。 高度なレンダリング機能、多様な制御モダリティ、そして最も重要なのは、手続き的な環境生成を提供する。 このシミュレーターは、散らかった未知の環境で長距離飛行が可能な完全自律型UAVシステムとすでに統合されている。
  論文  参考訳（メタデータ） (2025-02-07T16:05:17Z)
• DrivingSphere: Building a High-fidelity 4D World for Closed-loop Simulation [54.02069690134526]
  本研究では,現実的でクローズドループなシミュレーションフレームワークであるDrivingSphereを提案する。 その中核となる考え方は、4Dの世界表現を構築し、実生活と制御可能な運転シナリオを生成することである。 動的で現実的なシミュレーション環境を提供することで、DrivingSphereは自律運転アルゴリズムの包括的なテストと検証を可能にする。
  論文  参考訳（メタデータ） (2024-11-18T03:00:33Z)
• 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)
• A Sonar-based AUV Positioning System for Underwater Environments with Low Infrastructure Density [2.423370951696279]
  本研究では,人為的資産の分散分布を考慮したAUV(Autonomous Underwater Vehicles)のための,新しいリアルタイムソナーベースグローバル位置決めアルゴリズムを提案する。 実水中植物に類似した模擬環境下での予備実験は有望な結果をもたらした。
  論文  参考訳（メタデータ） (2024-05-03T09:53:28Z)
• Aeolus Ocean -- A simulation environment for the autonomous COLREG-compliant navigation of Unmanned Surface Vehicles using Deep Reinforcement Learning and Maritime Object Detection [0.0]
  海上部門における無人水上機(USV)の航行自律性は、より安全な水と運用コストの削減につながる可能性がある。 本稿では, 現実的な海洋シミュレーション環境において, COLREG 準拠の DRL を用いた衝突回避航法システムの開発について述べる。
  論文  参考訳（メタデータ） (2023-07-13T11:20:18Z)
• DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
  DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。 DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。 実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
  論文  参考訳（メタデータ） (2021-04-30T15:30:05Z)

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。