論文の概要: MARE: An Open-Source Lunar Rover Simulator with Shadow Ground Truth for Perception and Autonomy

• arxiv url: http://arxiv.org/abs/2610.28465v1
• Date: Tue, 20 Oct 2026 16:18:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.916894
• Title: MARE: An Open-Source Lunar Rover Simulator with Shadow Ground Truth for Perception and Autonomy
• Title（参考訳）: MARE: 認識と自律性のためのシャドーグラウンド真実を備えたオープンソースの月面ローバーシミュレータ
• Abstract要約: 月の極付近では、太陽高度が低いと、立体視、地形のセグメンテーション、局在に挑戦する、長いコントラストの影が生じる。 本稿では,Unreal Engine 5 と ROS 2 上に構築された月面ローバー認識と自律性のためのオープンソースのシミュレーションスイート MARE について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lunar surface exploration increasingly relies on autonomous rovers that must perceive and traverse unstructured terrain under extreme illumination conditions. Near the lunar poles, low sun elevations produce long, high-contrast shadows that challenge stereo vision, terrain segmentation, and localization. Developing perception and navigation algorithms for these conditions requires large amounts of sensor data with accurate ground truth, which field campaigns and analog facilities can only provide at high cost and with limited variety. This paper presents MARE (Modular Autonomy and Rendering Environment), an open-source simulation suite for lunar rover perception and autonomy built on Unreal Engine 5 and ROS 2. MARE consists of three integrated components. Terrain Studio generates cratered and rocky lunar Digital Elevation Maps (DEMs) to build simulation scenes. A dedicated Unreal Engine project hosts two physics-based rovers with plugins for stereo, lidar, event, and Single-Photon Avalanche Diode (SPAD) cameras, streaming time-stamped sensor data and pixel-accurate ground truth. Lastly, a Guidance, Navigation, and Control (GNC) stack provides web-based mission control. Validation shows a mean Intersection over Union (IoU) of 0.79 between predicted and rendered shadows at low sun elevations, and stereo depth analysis verifies decreased pixel coverage in shadowed regions relative to sunlit terrain.
• Abstract（参考訳）: 月面探査は、極端に照らされた条件下で非構造地形を知覚し、横断しなければならない自律探査にますます依存している。 月の極付近では、太陽高度が低いと、立体視、地形のセグメンテーション、局在に挑戦する、長いコントラストの影が生じる。 これらの状況に対する認識とナビゲーションのアルゴリズムの開発には、フィールド・キャンペーンやアナログ・ファシリティが高コストでしか提供できない、正確な地上真実を持つ大量のセンサーデータが必要である。 本稿では,Unreal Engine 5 と ROS 2 上に構築された月面ローバー認識と自律性のためのオープンソースシミュレーションスイート MARE (Modular Autonomy and Rendering Environment) について述べる。 MAREは3つの統合コンポーネントから構成される。 Terrain Studioはクレーター状で岩の多い月のデジタル標高マップ(DEM)を作成し、シミュレーションシーンを構築する。 専用のUnreal Engineプロジェクトでは、ステレオ、ライダー、イベント、Single-Photon Avalanche Diode (SPAD)カメラ、ストリーミングタイムスタンプセンサーデータ、ピクセル精度の高い地上真実のためのプラグインを備えた物理ベースの2つのローバーがホストされている。 最後に、ガイダンス、ナビゲーション、制御(GNC)スタックは、Webベースのミッションコントロールを提供する。 検証では、低い太陽高度で予測された影とレンダリングされた影の間の平均0.79のユニオン(IoU)のインターセクションが示され、ステレオ深度解析により、太陽が照らした地形に対する影の領域における画素被覆の減少が検証された。

関連論文リスト

• Image2Sim: Scaling Embodied Navigation via Generative Neural Simulator [70.34667754804168]
  Embodied Navigationは、マルチモーダルな目標を解釈し、3D空間を推論し、現実の世界で確実に目的地に到達するエージェントを構築することを目的としている。 本稿では,RGB-D画像シーケンスから高品質な対話環境を構築するリアルタイムニューラルネットワークフレームワークであるImage2Simを紹介する。
  論文  参考訳（メタデータ） (2026-07-07T02:42:41Z)
• MoonAnything: A Vision Benchmark with Large-Scale Lunar Supervised Data [0.13999481573773068]
  既存の月のデータセットには、幾何学的基底真理、測光的リアリズム、照明の多様性、大規模カバレッジが欠落している。 実際の月面地形上に物理ベースのレンダリングで構築された統合ベンチマークであるMoonAnythingを紹介する。 我々は最先端の手法を使ってベースラインを確立し、コミュニティ拡張をサポートする生成ツールとともに完全なデータセットをリリースする。
  論文  参考訳（メタデータ） (2026-04-01T09:39:15Z)
• AirSim360: A Panoramic Simulation Platform within Drone View [63.238263531772446]
  AirSim360は、空中から見た全方位データのためのシミュレーションプラットフォームである。 AirSim360は、ピクセルレベルの幾何学的、セマンティック、エンティティレベルの理解のためのレンダリング整列データとラベリングパラダイムの3つの重要な側面に焦点を当てている。 既存のシミュレータとは異なり、我々の研究は、全方位で4Dの現実世界をシステマティックにモデル化した最初のものである。
  論文  参考訳（メタデータ） (2025-12-01T18:59:30Z)
• Construction of Digital Terrain Maps from Multi-view Satellite Imagery using Neural Volume Rendering [16.61956311882373]
  衛星画像から直接テクスチャ化されたデジタル地形図を学習するために、ニューラルネットワークのボリュームレンダリング技術を適用する。 我々は、地球と火星の合成衛星データと実際の衛星データの両方について、我々の手法を実証する。 提案手法は,衛星画像の解像度とほぼ等しい地形予測精度で,有望な結果を示す。
  論文  参考訳（メタデータ） (2025-08-02T14:29:20Z)
• LunarLoc: Segment-Based Global Localization on the Moon [52.418394025548295]
  GPSのような従来の地球ベースのナビゲーションインフラが利用できない月面での自律的な運用には、グローバルなローカライゼーションが不可欠である。 本稿では,グローバルなローカライゼーション手法であるLunarLocを提案する。 LunarLocは、マルチセッショングローバルローカライゼーション実験において、サブcmレベルの精度を実現し、月のグローバルローカライゼーションにおける技術状況を大幅に上回っている。
  論文  参考訳（メタデータ） (2025-06-20T12:06:47Z)
• RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments [62.5830455357187]
  我々は3種類のセンサー(Camera, LiDAR, Fisheye)をベースとした自我中心型マルチセンサデータ収集プラットフォームを構築した。 大規模なマルチモーダルデータセットであるRoboSenseは、エゴセントリックなロボット知覚を促進するために構築されている。
  論文  参考訳（メタデータ） (2024-08-28T03:17:40Z)
• LuSNAR:A Lunar Segmentation, Navigation and Reconstruction Dataset based on Muti-sensor for Autonomous Exploration [2.3011380360879237]
  環境認識とナビゲーションアルゴリズムが月探査の基盤となっている。 既存の月のデータセットのほとんどは、単一のタスクをターゲットにしています。 本稿では,マルチタスク,マルチシーン,マルチラベルのベンチマークデータセットLuSNARを提案する。
  論文  参考訳（メタデータ） (2024-07-09T02:47:58Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
  We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。 LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。 また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
  論文  参考訳（メタデータ） (2020-03-13T06:17:39Z)

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。