論文の概要: Demo: Closed-Loop Sionna-Isaac Sim Co-Simulation Framework for Wireless-Aware Robot Navigation over ROS 2
- arxiv url: http://arxiv.org/abs/2610.08618v1
- Date: Tue, 06 Oct 2026 16:17:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:30.104318
- Title: Demo: Closed-Loop Sionna-Isaac Sim Co-Simulation Framework for Wireless-Aware Robot Navigation over ROS 2
- Title（参考訳）: デモ: ROS 2上でのワイヤレスロボットナビゲーションのためのクローズドループシオンナイザックシム共シミュレーションフレームワーク
- Abstract要約: ネットワークに制御ループをオフロードするロボットは、受信機にそれを運ぶので、リンクの品質はどこに行くかによって決定される。
ROS 2.0上でNVIDIA Isaac SimとNVIDIA Sionnaを結合するリアルタイム共シミュレーションフレームワークを実演する。
GPUでは、カバーマップは16ms (60 Hz)でリフレッシュされ、リアルタイム制御に十分高速である。
- 参考スコア（独自算出の注目度）: 6.933111681872053
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A robot that offloads its control loop to the network carries the receiver with it, so link quality is decided by where it goes. Simulating this requires both a physics engine and a site-specific propagation model at once; to our knowledge no simulator natively unifies both, with existing couplings of the two limited to offline analyses. We demonstrate a real-time co-simulation framework coupling NVIDIA Isaac Sim and NVIDIA Sionna over ROS 2 that closes the perception-action-communication (PAC) loop between them. Sionna ray-traces the base-station-to-robot channel over the exact geometry Isaac Sim simulates on, rather than modeling it stochastically, and feeds channel states back into the control loop in real time. Ray-traced on GPU, the coverage map is refreshed in ~16ms (~60 Hz), fast enough for real-time control. To showcase the framework's utility, we implement a wireless-aware navigation application in an OpenStreetMap(OSM)-derived SUTD campus twin with two Nova Carter robots: the closed-loop planner eliminates communication outage at only +7.4% traversal time over the shortest-path baseline (which spends 7.9 s of its 81.2 s run disconnected).
- Abstract（参考訳）: ネットワークに制御ループをオフロードするロボットは、受信機にそれを運ぶので、リンクの品質はどこに行くかによって決定される。
このシミュレーションには物理エンジンとサイト固有の伝搬モデルの両方が必要です。
NVIDIA Isaac Sim と NVIDIA Sionna を ROS 2 上でリアルタイムに結合するコシミュレートフレームワークを実演し、それら間の知覚-行動-通信(PAC)ループを閉じる。
Sionnaは、正確な幾何学上のベースステーションとロボットのチャネルを、統計的にモデル化するのではなく、Isaac Simがシミュレートし、チャネル状態が制御ループにリアルタイムで返される。
GPUでは、カバーマップは16ms (~60 Hz)でリフレッシュされ、リアルタイム制御に十分高速である。
このフレームワークの実用性を実証するため、我々はOpenStreetMap(OSM)由来のSUTDキャンパスと2台のNova Carterロボットの双子で無線対応ナビゲーションアプリケーションを実装した。
関連論文リスト
- Network-in-the-Loop at Scale: GPU-Batched 5G Simulation for Massively Parallel Robot Learning [6.24870581211508]
Isaac-NetはGPUにバッチされた5G New Radio(NR)モジュールで、Isaac Labの物理学とのロックステップで何千もの環境のアップリンクを前進させる。
負荷に対するns-3 5G-LENAの中央遅延を再現し、未確認のキャリアでは5-10%、クローズドループでは環境ごとに9%の遅延を発生させる。
エンジンはまた、各ロボットの最新の報告の年齢である情報時代(AoI)を再現し、メッセージごとに独立した遅延がAoIのテールを約3倍軽くする。
論文 参考訳（メタデータ） (2026-10-01T18:46:18Z) - DemoBridge: A Simulation-in-the-Loop Toolkit for Single-View Human Demonstration Retargeting [49.70827726228219]
このツールキットは、人間の手による実演のシングルビューRGBステレオ記録を、物理で検証可能なロボットアーム軌道に変換する。
DemoBridgeの中核は、衝突を意識した単一のプランナーである。
物理シミュレーターはループ内で動作し、生成した各フェーズを検証し、障害時にバックトラックするので、与えられたように再生できないデモは破棄されるのではなく、再計画される。
論文 参考訳（メタデータ） (2026-07-10T15:31:04Z) - Cam2Sim: Neural Scenario Reconstruction for Closed-Loop Autonomous Driving Simulation [0.9114245816258512]
Cam2Simは、現実世界の運転記録を再生可能なCARLAシミュレーションシナリオに変換するツールである。
このフレームワークはROSベースのデータ抽出、駐車車検出、OpenStreetMapベースのマップ生成をサポートする。
我々はCam2Simを、カメラベースのエンドツーエンド運転モデルを用いて、現実の都市走行シナリオで検証する。
論文 参考訳（メタデータ） (2026-07-06T08:03:31Z) - HERCULES: An Open-Source Simulation Framework for Heterogeneous Multi-Robot SLAM, Collaborative Perception, and Exploration [3.15872644487767]
HERCULESは、異種マルチロボット自律性のためのオープンソースのシミュレータとデータ収集パイプラインである。
Unreal Engine 5 (UE5) ベースのシミュレータであるAirSimとCosys-AirSimをベースに構築され、HERCULESは以前のフレームワークの主要なアーキテクチャ上の制限を解決する。
ヘテロジニアスマルチロボットSLAM,協調知覚,探索における実験では,HERCULES生成データとアクティブクローズループ実行の両方を用いて,ヘテロジニアスマルチロボットの自律性向上に有効であることを示す。
論文 参考訳（メタデータ） (2026-06-22T01:51:40Z) - Dash2Sim: Closed-Loop Driving Simulation from in-the-wild Dashcam Videos [51.46430520173442]
Dash2Simは、既存のシミュレーターと互換性のある、測度の高い4Dドライビングログに変換するフレームワークだ。
そこで,Dash2Simにより回収された深度は,知覚測定値において19%の新規ビュー合成品質を向上することを示した。
論文 参考訳（メタデータ） (2026-06-05T15:09:27Z) - RadHARSimulator V2: Video to Doppler Generator [1.3706331473063882]
本稿では,録画映像から直接ドップラースペクトルを生成するシミュレータについて述べる。
コンピュータビジョンとレーダーモジュールの両方がシミュレータに含まれている。
レーダベースHARに対して,ハイブリッド並列シリアルニューラルネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-11-12T06:15:53Z) - Parallel Neural Computing for Scene Understanding from LiDAR Perception in Autonomous Racing [0.0]
従来のシーケンシャルネットワークアプローチは、自律エージェントのリアルタイム知識と意思決定要求を満たすのに苦労する可能性がある。
本稿では,真のハードウェア対応並列処理が可能な高度なモデルを開発するための,新しいベースラインアーキテクチャを提案する。
提案モデルでは,LiDARセンサからの生の3Dポイントクラウドデータを入力として,両デバイスの2D Bird’s Eye View Mapに変換する。
論文 参考訳（メタデータ） (2024-12-24T04:56:32Z) - Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。
既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。
我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
論文 参考訳（メタデータ） (2024-12-11T06:35:18Z) - SCoTT: Strategic Chain-of-Thought Tasking for Wireless-Aware Robot Navigation in Digital Twins [78.53885607559958]
無線対応経路計画フレームワークであるSCoTTを提案する。
SCoTT は DP-WA* の2% 以内で経路ゲインを達成し, 連続的に短い軌道を生成できることを示す。
また,ガゼボシミュレーションにおいて,SCoTTをROSノードとして配置することにより,本手法の実用性を示す。
論文 参考訳（メタデータ） (2024-11-27T10:45:49Z) - 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) - Sim-to-Real Transfer for Vision-and-Language Navigation [70.86250473583354]
本研究では,従来は目に見えなかった環境下でロボットを解放し,制約のない自然言語ナビゲーション指示に従うという課題について検討する。
VLN(Vision-and-Language Navigation)の課題に関する最近の研究は、シミュレーションにおいて大きな進歩を遂げている。
ロボット工学における本研究の意義を評価するため,シミュレーションで訓練されたVLNエージェントを物理ロボットに転送する。
論文 参考訳（メタデータ） (2020-11-07T16:49:04Z)
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。