論文の概要: InterSim: Innovative Intersection Digital Twins for Human-in-the-Loop Driving Simulation

• arxiv url: http://arxiv.org/abs/2611.05968v1
• Date: Wed, 04 Nov 2026 05:03:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.947157
• Title: InterSim: Innovative Intersection Digital Twins for Human-in-the-Loop Driving Simulation
• Title（参考訳）: InterSim: 人間の運転シミュレーションのためのイノベーティブ・インターセクション・デジタル・ツイン
• Abstract要約: InterSim(インターシム)は、Unityのゲームエンジンをベースとしたヒューマン・イン・ザ・ループ駆動シミュレータである。 仮想環境において、サイト固有の革新的な交差点のデジタル双対を構築する。 InterSimは現実世界とシミュレーションの世界を2つの閉サイクルで結びつける。
• 参考スコア（独自算出の注目度）: 12.008047934947108
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Innovative intersection designs can improve roadway safety and operational efficiency, but their uncommon geometries may create challenges for driver comprehension during early deployment. Evaluating these designs through full-scale field implementation can also be costly. This paper presents InterSim, a Unity game engine-based human-in-the-loop (HITL) driving simulator that constructs digital twins of site-specific innovative intersections in a virtual environment. InterSim links the real world and the simulation world through two closed cycles: a digital twin cycle that builds each intersection twin from agency design and traffic data and returns evidence from simulation to the agency, and an HITL cycle in which human drivers or automated driving algorithms operate the ego vehicle under identical scenario conditions. The research capabilities of InterSim are demonstrated through two case studies: a surrogate safety study compares post-encroachment time distributions between a Reduced Conflict Intersection and a standard intersection under different traffic volumes; an eco-driving study compares human drivers with a rule-based agent using vehicle-to-infrastructure information and reveals differences in emission and driving behavior. These studies demonstrate that InterSim provides a reusable digital twin platform for investigating innovative intersection designs from diverse perspectives. Demo video and open-source code can be accessed at https://purduedigitaltwin.github.io/InterSim/
• Abstract（参考訳）: イノベーティブな交差点の設計は道路の安全性と運転効率を改善することができるが、その珍しい地形は、初期の配備中に運転者の理解に困難をもたらす可能性がある。 これらの設計をフルスケールのフィールド実装で評価するのもコストがかかる。 本稿では,仮想環境におけるサイト固有の革新的な交差点のディジタル双対を構成する,Unityゲームエンジンを用いたHuman-in-the-loop(HITL)駆動シミュレータであるInterSimを提案する。 InterSimは、現実の世界とシミュレーションの世界を、2つの閉サイクルで結びつける: 代理店の設計と交通データから各交差点のツインを作り、シミュレーションから証拠を返すデジタルツインサイクルと、人間ドライバーや自動運転アルゴリズムが同じシナリオ条件下でエゴ車両を操作するHITLサイクルである。 InterSimの研究能力は2つのケーススタディを通して実証されている: 代理安全研究は、縮小された衝突区間と異なる交通量の下での標準交点の間の侵入後の時間分布を比較し、エコドライブ研究は、車両とインフラの情報を用いて人間のドライバーとルールベースのエージェントを比較し、排出と運転行動の違いを明らかにする。 これらの研究は、InterSimが様々な観点から革新的な交差点設計を研究するために、再利用可能なデジタルツインプラットフォームを提供することを示した。 デモビデオとオープンソースコードはhttps://purduedigitaltwin.github.io/InterSim/でアクセスできる。

関連論文リスト

• HelloWorld: Towards Practical Applications of Generative Driving World Models [51.60209642972941]
  HelloWorldは、これらの要件に基づいて設計された2B駆動の世界モデルシステムである。 HelloWorldは、異種ビデオデータから制御可能な駆動生成まで、幅広い視覚的およびモーション的先行を専門としている。 システムは、7カメラのRGB生成と条件付きLiDAR合成をサポートする。
  論文  参考訳（メタデータ） (2026-09-24T02:28:50Z)
• Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
  本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。 i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
  論文  参考訳（メタデータ） (2025-03-06T07:36:06Z)
• Graph Attention Network for Lane-Wise and Topology-Invariant Intersection Traffic Simulation [8.600701437207725]
  交差点に対する2つの効率的かつ正確な「デジタルツイン」モデルを提案する。 これらのデジタルツインは、交差点内の交通の時間的、空間的、文脈的な側面を捉えている。 本研究の応用は、車線再構成、運転行動分析、交差点の安全性と効率向上に関する情報決定の促進まで及んでいる。
  論文  参考訳（メタデータ） (2024-04-11T03:02:06Z)
• Smart Infrastructure: A Research Junction [5.172393727004225]
  本稿では,ドイツ・アシャッフェンブルクの公的な市内交差点に位置する視覚センサ技術を備えたインテリジェントな研究基盤について紹介する。 マルチビューカメラシステムは、交通状況を監視し、道路利用者の行動を知覚する。 このシステムは、データ生成の研究、新しいHADセンサーシステム、アルゴリズム、人工知能(AI)トレーニング戦略の評価に使用される。
  論文  参考訳（メタデータ） (2023-07-12T14:04:12Z)
• TrafficBots: Towards World Models for Autonomous Driving Simulation and Motion Prediction [149.5716746789134]
  我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。 動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。 オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
  論文  参考訳（メタデータ） (2023-03-07T18:28:41Z)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• BITS: Bi-level Imitation for Traffic Simulation [38.28736985320897]
  データ駆動型アプローチを採用し,実世界の走行ログから交通挙動を学習する手法を提案する。 我々は,2つの大規模運転データセットのシナリオを用いて,BITS(Bi-level Imitation for Traffic Simulation)という手法を実証的に検証した。 コアコントリビューションの一環として、さまざまな駆動データセットにまたがるデータフォーマットを統合するソフトウェアツールを開発し、オープンソース化しています。
  論文  参考訳（メタデータ） (2022-08-26T02:17:54Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)

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。