論文の概要: HyperDrone: Simulation-to-Reality Transfer at Millions of Frames per Second

• arxiv url: http://arxiv.org/abs/2610.28950v1
• Date: Tue, 20 Oct 2026 22:03:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.152078
• Title: HyperDrone: Simulation-to-Reality Transfer at Millions of Frames per Second
• Title（参考訳）: HyperDrone: 毎秒数百万フレームでのシミュレーションから現実への移行
• Abstract要約: HyperDroneは、高性能バッチレンダリングに焦点を当てた、非常に高速なクオータシミュレータである。 高度に最適化されたマルチロータダイナミックスと、新しいレイトレーシングエンジンであるHyperLuxを組み合わせる。 最も忠実な設定であっても、HyperLuxは毎秒数百万のフレームを達成している。
• 参考スコア（独自算出の注目度）: 7.485086840939804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present HyperDrone, an extremely fast quadrotor simulator focused on high-performance batch rendering that is more than 20x faster than existing state-of-the-art batch quadrotor simulators. HyperDrone combines highly optimized multirotor dynamics with HyperLux, a new ray-tracing engine that supports Nvidia OptiX, Vulkan, Apple Metal and WebGPU backends that takes full advantage of modern ray-tracing hardware, capable of running both components entirely on the GPU. HyperLux renders RGB, depth, semantic/instance segmentation, surface normals and optical flow observations at configurable levels of fidelity, including reflections, realistic lighting, motion blur, anti-aliasing, and Physically Based Rendering (PBR). Even in the highest-fidelity settings, HyperLux achieves millions of Frames Per Second (FPS) on consumer-grade GPUs while rendering realistic 3D scenes. We demonstrate the merits of HyperDrone by training a vision-based yaw-control policy purely in simulation and transferring it to a real small-scale quadrotor (Crazyflie) with a camera, running completely onboard.
• Abstract（参考訳）: 提案するHyperDroneは、高性能バッチレンダリングに焦点を当てた超高速なクオータシミュレータで、既存の最先端のクオータシミュレータよりも20倍以上高速である。 HyperDroneは、高度に最適化されたマルチロータダイナミクスと、Nvidia OptiX、Vulkan、Apple Metal、WebGPUバックエンドをサポートする新しいレイトレーシングエンジンであるHyperLuxを組み合わせる。 HyperLuxは、RGB、深さ、セマンティック/インスタンスセグメンテーション、表面正規化、光学フローの観察を、反射、現実的なライティング、動きのぼやけ、アンチエイリアシング、物理ベースレンダリング(PBR)など、構成可能な忠実度でレンダリングする。 高精細度設定であっても、HyperLuxはリアルな3Dシーンをレンダリングしながら、コンシューマグレードのGPU上で数百万フレーム/秒(FPS)を達成する。 我々は,視力に基づくヨーコントロールポリシーを純粋にシミュレーションし,カメラを搭載した実小型四重極(クラジーフライ)に転送することで,HyperDroneのメリットを実証する。

関連論文リスト

• GS-Playground: A High-Throughput Photorealistic Simulator for Vision-Informed Robot Learning [55.272458304179025]
  GS-Playgroundは、エンド・ツー・エンドの知覚学習を促進するために設計されたマルチモーダル・シミュレーション・フレームワークである。 このシステムは640x480の解像度で104 FPSのスループットを達成し、大規模な視覚的RLの障壁を著しく低減する。
  論文  参考訳（メタデータ） (2026-04-28T10:05:39Z)
• VR-Pipe: Streamlining Hardware Graphics Pipeline for Volume Rendering [1.9470707535768061]
  我々は,3次元ガウススプラッティング法である最先端の放射界法を実装し,グラフィックAPIを用いて,今日のグラフィックハードウェアにおける合成および実世界のシーンで評価する。 このVR-Pipeはグラフィクスハードウェアに2つのイノベーションをシームレスに統合し、ボリュームレンダリングのためのハードウェアパイプラインを合理化します。 我々の評価によると、VR-Pipeはレンダリング性能を大幅に改善し、従来のグラフィックスパイプラインよりも2.78倍のスピードアップを実現し、ハードウェアのオーバーヘッドを無視できる。
  論文  参考訳（メタデータ） (2025-02-24T11:46:36Z)
• BEAM: Bridging Physically-based Rendering and Gaussian Modeling for Relightable Volumetric Video [58.97416204208624]
  BEAMは、4Dガウス表現を物理ベースレンダリング(PBR)でブリッジし、高品質でライティング可能なビデオを生成する新しいパイプラインである。 BEAMは、様々な照明条件下で現実的な人生のような可視化を提供することで、インタラクティブなエンターテイメント、ストーリーテリング、クリエイティブな可視化の新しい可能性を開く。
  論文  参考訳（メタデータ） (2025-02-12T10:58:09Z)
• FIRE-3DV: Framework-Independent Rendering Engine for 3D Graphics using Vulkan [4.226502078427161]
  本稿では,最新のVulkanグラフィックスAPIをサポートする,パフォーマンスを重視した軽量レンダリングエンジンを提案する。 我々のエンジンは、動的シミュレーションフレームワークであるAMBF(Asynchronous Multi-Body Framework)のレガシーレンダリングパイプラインの近代化に使用されている。 実験によると、エンジンは2ミリ秒以内のGPU計算時間を維持しながら、700万以上の三角形でシミュレーションされたシーンをレンダリングできる。
  論文  参考訳（メタデータ） (2024-10-07T14:50:19Z)
• ManiSkill3: GPU Parallelized Robotics Simulation and Rendering for Generalizable Embodied AI [26.070510680936486]
  ManiSkill3は、汎用的な操作をターゲットとしたコンタクトリッチな物理を備えた、最先端のGPU並列化ロボットシミュレータである。 ManiSkill3は、シミュレーション+レンダリング、異種シミュレーション、ポイントクラウド/ボクセルビジュアル入力など、多くの面でGPU並列化をサポートしている。
  論文  参考訳（メタデータ） (2024-10-01T06:10:39Z)
• EvaSurf: Efficient View-Aware Implicit Textured Surface Reconstruction [53.28220984270622]
  3次元再構成法はリアルタイムに3次元整合性のある高忠実度結果を生成する。 提案手法は,合成と実世界の両方のデータセット上で,高品質な外観と正確なメッシュを再構築することができる。 我々の方法は1つのGPUを使ってたった1～2時間でトレーニングでき、40FPS(Frames per second)以上のモバイルデバイス上で実行することができる。
  論文  参考訳（メタデータ） (2023-11-16T11:30:56Z)

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。