論文の概要: High-Fidelity Multi-Body Simulator for Autonomous Racing
- arxiv url: http://arxiv.org/abs/2609.12795v1
- Date: Fri, 11 Sep 2026 12:56:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.749921
- Title: High-Fidelity Multi-Body Simulator for Autonomous Racing
- Title（参考訳）: 自律レース用多体多体シミュレータ
- Abstract要約: 本稿では,自律型レーシングソフトウェアのテストと検証を行うカスタム車両動特性シミュレーション環境を提案する。
自律走行車のデジタルツインはDymolaで開発され、レースカーのダイナミックスモデリングライブラリを使って完全なマルチボディモデルを構築している。
標高プロファイルや縁石を含む3次元道路面は、曲線正規格子標準を用いて実装されている。
- 参考スコア（独自算出の注目度）: 29.276153664456643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present a custom high-fidelity vehicle dynamics simulation environment for testing and validation of Autonomous Racing software. The digital twin of the autonomous vehicle is developed in Dymola, using racecar dynamics modeling libraries to build a complete multi-body model. A 3D road surface, including elevation profiles and curbs, is implemented using the Curved Regular Grid (CRG) standard. The model is exported from Dymola as a Functional Mock-up Unit (FMU) and integrated into a custom software-in-the-loop simulator, where communication interfaces with the autonomous racing stack were developed in C++. A calibration procedure based on experimental data is also presented, along with a validation study to further support the quality of the proposed framework. The simulator runs in real time on a portable computer and provides reliable ground truth for algorithms validation prior to real-world deployment.
- Abstract（参考訳）: 本稿では,自律型レーシングソフトウェアのテストと検証を行うための,高忠実度車両動特性シミュレーション環境を提案する。
自律走行車のデジタルツインはDymolaで開発され、レースカーのダイナミックスモデリングライブラリを使って完全なマルチボディモデルを構築している。
標高プロファイルや縁石を含む3次元道路面は、Curved Regular Grid (CRG)標準を用いて実装されている。
このモデルはDymolaからFMU(Functional Mock-up Unit)としてエクスポートされ、カスタムソフトウェア・イン・ザ・ループシミュレータに統合され、C++で自律的なレーススタックとの通信インタフェースが開発された。
また,実験データに基づく校正手法と,提案フレームワークの品質向上のための検証研究についても述べる。
シミュレータは携帯型コンピュータ上でリアルタイムに動作し、実世界の展開に先立ってアルゴリズムの検証に信頼できる真実を提供する。
関連論文リスト
- IR-SIM: A Lightweight Skill-Native Simulator for Navigation, Learning, and Benchmarking [59.6657632820611]
IR-SIMは、迅速なシナリオ構築、ベンチマーク、ロボット学習のために設計された、スキルネイティブなナビゲーションシミュレータである。
シナリオは、モバイルロボットキネマティクス、幾何学的衝突チェック、LiDARセンシング、可視化、行動モジュールを指定するYAML設定ファイルで完全に定義されている。
実験では、複数のタスクにおいてIR-SIMの利便性と汎用性を示す。
論文 参考訳（メタデータ） (2026-06-07T16:55:37Z) - 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) - Koopman Operator Framework for Modeling and Control of Off-Road Vehicle on Deformable Terrain [0.0]
本研究は、自動オフロード車両の予測制御のためのハイブリッド物理インフォームドおよびデータ駆動モデリングフレームワークを提案する。
コープマン線形システムは、変形可能な地形を走行する車両のシミュレーションデータを用いて構築することができる。
予測結果から,軽度地形-標高変動下での短時間水平精度とロバスト性を示した。
論文 参考訳（メタデータ） (2026-03-30T20:11:23Z) - From Code to Road: A Vehicle-in-the-Loop and Digital Twin-Based Framework for Central Car Server Testing in Autonomous Driving [12.14436913195805]
本研究は,集中型E/Eアーキテクチャ上での自動車ソフトウェアテストフレームワークを提案する。
このフレームワークは、ダイナモメーターテストベンチに物理テスト車両を、シミュレーション環境で同期仮想車両と結合する。
論文 参考訳（メタデータ） (2026-03-05T15:23:28Z) - HybridWorldSim: A Scalable and Controllable High-fidelity Simulator for Autonomous Driving [59.55918581964678]
HybridWorldSimは、静的バックグラウンドのためのマルチトラバースニューラルネットワーク再構成と、動的エージェントの生成モデルを統合するハイブリッドシミュレーションフレームワークである。
我々は、様々な都市をまたがる幅広いルートや環境条件をキャプチャーする、新しいマルチトラバースデータセットMIRRORをリリースする。
論文 参考訳（メタデータ） (2025-11-27T07:53:16Z) - A Simulation Benchmark for Autonomous Racing with Large-Scale Human Data [12.804541200469536]
本稿では,自動走行アルゴリズムの試験,検証,ベンチマークを行うためのシミュレータAssetto Corsaに基づくレースシミュレーションプラットフォームを提案する。
私たちのコントリビューションには、このシミュレーションプラットフォームの開発、レース環境に適した最先端のアルゴリズムのいくつか、人間ドライバーから収集された包括的なデータセットなどが含まれています。
論文 参考訳（メタデータ） (2024-07-23T17:45:16Z) - SimGen: Simulator-conditioned Driving Scene Generation [50.03358485083602]
シミュレーション条件付きシーン生成フレームワークSimGenを紹介する。
SimGenは、シミュレータと現実世界のデータを混ぜることで、多様な運転シーンを生成することを学ぶ。
テキストプロンプトとシミュレータからのレイアウトに基づいて制御性を保ちながら、優れた生成品質と多様性を実現する。
論文 参考訳（メタデータ） (2024-06-13T17:58:32Z) - Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous
Driving Research [76.93956925360638]
Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。
TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。
我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
論文 参考訳（メタデータ） (2023-10-12T20:49:15Z) - VISTA 2.0: An Open, Data-driven Simulator for Multimodal Sensing and
Policy Learning for Autonomous Vehicles [131.2240621036954]
VISTAはオープンソースのデータ駆動シミュレータで、複数のタイプのセンサーを自律走行車に組み込む。
高忠実で実世界のデータセットを使用して、VISTAはRGBカメラ、3D LiDAR、イベントベースのカメラを表現し、シミュレートする。
センサタイプ毎に知覚制御ポリシーをトレーニングし,テストする能力を示し,フルスケールの自律走行車への展開を通じて,このアプローチのパワーを示す。
論文 参考訳（メタデータ） (2021-11-23T18:58:10Z) - SilGAN: Generating driving maneuvers for scenario-based
software-in-the-loop testing [0.0]
SilGANは、自動車用ソフトウェア・イン・ザ・ループテストの仕様、刺激発生、自動化を容易にする、深い生成モデルである。
モデルはフィールド内の車両から記録されたデータを使って訓練される。
論文 参考訳（メタデータ） (2021-07-05T07:17:49Z) - 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。