論文の概要: Seeing What the Vehicle Sees: Video-Augmented Virtual Reality for Physical Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2609.13224v1
• Date: Mon, 31 Aug 2026 16:30:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-29 14:39:21.051767
• Title: Seeing What the Vehicle Sees: Video-Augmented Virtual Reality for Physical Autonomous Vehicles
• Title（参考訳）: 自動運転車のバーチャルリアリティー(動画)
• Abstract要約: 本稿では,メタクエスト3Sヘッドセットに搭載されたUnity 6アプリケーションに物理ROS 2自律ロボットを結合したビデオ拡張VRフレームワークを提案する。 このフレームワークは、物理的自律車動の没入的な観察のために、時間的に同期され、セマンティックに一貫性があり、正確な経路プログレス表現をサポートすることができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicles are expected to improve road safety and efficiency, but passengers often remain uncertain about what the vehicle perceives and why it acts as it does. Virtual reality (VR) offers a safe and repeatable medium for presenting this information, yet most passenger-facing VR studies rely on fully simulated vehicles or pre-scripted scenarios, so the motion and perception shown to the user do not originate from a physically operating autonomous system. This paper presents a video-augmented VR framework that couples a physical ROS 2 autonomous robot vehicle to a Unity 6 application deployed on a Meta Quest 3S headset. The vehicle state and live onboard camera stream are transmitted over two independent communication channels, allowing the virtual vehicle to mirror the physical robot's motion while the passenger simultaneously views the vehicle's first-person camera feed and its navigation decisions through an in-vehicle dashboard interface. We evaluate the framework over 20 repeated closed-loop navigation trials. The system achieves a mean state-update latency of 29.63 ms, a mean relative route-progress error of 2.28% between the physical and virtual vehicles, and video delivery at 10.006 frames per second with 0.25% frame loss. All monitored navigation decisions were correctly reflected in the VR interface with no missed or incorrect notifications. The results indicate that the framework can support temporally synchronized, semantically consistent, and accurate route-progress representation for immersive observation of physical autonomous-vehicle behavior.
• Abstract（参考訳）: 自動運転車は、道路の安全性と効率を改善することが期待されているが、乗客は、その車が何を認識しているか、なぜそのように振る舞うのか、よくわからない。 仮想現実(VR)は、この情報を提示するための安全かつ繰り返し可能な媒体を提供するが、ほとんどの乗客向けのVR研究は、完全にシミュレートされた車両やプレスクリプト化されたシナリオに依存している。 本稿では,メタクエスト3Sヘッドセットに搭載されたUnity 6アプリケーションに物理ROS 2自律ロボットを結合したビデオ拡張VRフレームワークを提案する。 車両の状態とライブ搭載カメラストリームは2つの独立した通信チャネルを介して送信され、仮想車両は物理ロボットの動きを反映し、乗客は車両のファーストパーソンカメラフィードとナビゲーション決定を車内ダッシュボードインターフェースを介して同時に見ることができる。 20回以上のクローズドループナビゲーション試験を行った。 このシステムは29.63ミリ秒の平均状態更新遅延を達成し、物理車と仮想車の間に2.28%の相対的なルート・プログレスエラーを発生させ、ビデオ配信は毎秒10.006フレームで0.25%のフレーム損失を発生させる。 監視されたナビゲーションの決定はすべて、見逃されたり誤った通知をせずに、VRインターフェースに正しく反映された。 その結果, 物理的自律車体行動の没入的観察において, 時間的同期, 意味的整合性, 正確な経路プログレス表現をサポートできることが示唆された。

関連論文リスト

• Speak to the City: Multimodal Resolution for Outside-the-Vehicle References [13.813214424668788]
  興味のポイント(POI)を特定するために、ユーザ視線と自然言語を融合した頑健でマルチモーダルな外見参照フレームワークを提案する。 このリアルタイムパラダイムは、車両内の乗客の空間的検索をコンテキスト認識することで、参照のあいまいさを効果的に解決する。
  論文  参考訳（メタデータ） (2026-09-13T17:48:22Z)
• VR-Drive: Viewpoint-Robust End-to-End Driving with Feed-Forward 3D Gaussian Splatting [47.78433964322689]
  VR-Driveは、3Dシーン再構築を共同で学習することで視点一般化に対処する新しいE2E-ADフレームワークである。 我々の結果は、VR-Driveがエンドツーエンドの自動運転システムの現実的な展開のためのスケーラブルで堅牢なソリューションであることを実証している。
  論文  参考訳（メタデータ） (2025-10-27T10:49:39Z)
• SimPRIVE: a Simulation framework for Physical Robot Interaction with Virtual Environments [4.966661313606916]
  本稿では,仮想環境との物理的相互作用をシミュレーションするSimPRIVEを提案する。 SimPRIVEを使用することで、ROS 2上で動作する任意の物理移動ロボットは、Unreal Engine 5グラフィックエンジンで構築された仮想世界でデジタルツインを動かせるように構成することができる。 このフレームワークは、AgileX Scout Miniローバーで障害物回避のためにトレーニングされた強化学習エージェントをテストすることで検証されている。
  論文  参考訳（メタデータ） (2025-04-30T09:22:55Z)
• Stag-1: Towards Realistic 4D Driving Simulation with Video Generation Model [83.31688383891871]
  本稿では,現実世界のシーンを再現するために,DrivinG(Stag-1)モデルのための空間-テンポラル・シミュレートを提案する。 Stag-1は、自動運転車のサラウンドビューデータを使用して、連続した4Dポイントのクラウドシーンを構築する。 空間的時間的関係を分離し、コヒーレントな運転ビデオを生成する。
  論文  参考訳（メタデータ） (2024-12-06T18:59:56Z)
• DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving [76.29141888408265]
  本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。 提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
  論文  参考訳（メタデータ） (2023-04-03T17:37:00Z)
• DReyeVR: Democratizing Virtual Reality Driving Simulation for Behavioural & Interaction Research [5.200989469097526]
  DReyeVRは、Unreal EngineとCARLAをベースとしたオープンソースの運転シミュレータである。 このシミュレータを5000ドル以下で展開するために必要なハードウェアについて説明する。
  論文  参考訳（メタデータ） (2022-01-06T05:47:08Z)
• 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)
• SurfelGAN: Synthesizing Realistic Sensor Data for Autonomous Driving [27.948417322786575]
  本稿では,現実的なシナリオセンサデータを生成するための,シンプルで効果的な手法を提案する。 われわれのアプローチでは、テクスチャマップされたサーフを使用して、初期車両のパスやセットのパスからシーンを効率的に再構築する。 次に、SurfelGANネットワークを利用して、現実的なカメライメージを再構築し、自動運転車の新たな位置と方向を推定する。
  論文  参考訳（メタデータ） (2020-05-08T04:01:14Z)

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。