[論文レビュー] Survey of Simulators for Aerial Robots: An Overview and In-Depth Systematic Comparisons

Cora A. Dimmig, Giuseppe Silano+5 more|arXiv (Cornell University)|Nov 4, 2023

Robotic Path Planning Algorithms参考文献 62被引用数 5

ひとこと要約

本論文は、14の代表的なプラットフォームを焦点として、44のUAVシミュレータの包括的サーベイと体系的比較を提示している。物理的忠実度、センサーサポート、機体タイプ、ライセンスや保守性といった実用的要因を評価し、空中ロボティクスの応用に最適なシミュレータの選定を研究者に支援する。

ABSTRACT

Uncrewed Aerial Vehicle (UAV) research faces challenges with safety, scalability, costs, and ecological impact when conducting hardware testing. High-fidelity simulators offer a vital solution by replicating real-world conditions to enable the development and evaluation of novel perception and control algorithms. However, the large number of available simulators poses a significant challenge for researchers to determine which simulator best suits their specific use-case, based on each simulator's limitations and customization readiness. In this paper we present an overview of 44 UAV simulators, including in-depth, systematic comparisons for 14 of the simulators. Additionally, we present a set of decision factors for selection of simulators, aiming to enhance the efficiency and safety of research endeavors.

研究の動機と目的

• 増加する選択肢の中から、特定の研究ニーズに最も適したUAVシミュレータを選定するという課題に対処する。
• 物理的忠実度、センサーサポート、機体タイプ互換性など、主な技術的・実用的次元において14の代表的UAVシミュレータを体系的に比較する。
• ライセンス、オープンソースの可用性、積極的な保守、ROS、RL、ハードウェアフレームワークとの統合といった、重要な意思決定要因を特定・評価する。
• 研究者に、UAVアルゴリズム開発における安全性、効率性、スケーラビリティを最適化するための構造的フレームワークを提供する。
• シミュレーションから実世界への移行を支援するため、シミュレータの忠実度と結果の転送可能性を分析する。

提案手法

• 物理エンジン、レンダリング、OS対応、インターフェースの4分野にわたり、18の評価基準に基づいて14の代表的UAVシミュレータの包括的・体系的比較を実施した。
• 機体タイプ（例：マルチコプター、固定翼機、ヘリコプター、スワーム）、センサーセット（例：RGB、深度、IMU、GPS、LiDAR）、ロボティクスミドルウェア（ROS、Python、RL、C++）との統合性の3つのコア次元において、シミュレータの能力を評価した。
• ライセンスモデル（オープンソース、プロプライエタリ、学術用）に基づいてシミュレータを分類し、長期的な保守性とコミュニティ支援を評価した。
• 空気力学的効果（例：抗力、風、空気力学的力）を含む物理モデルの忠実度を分析し、マルチコプターまたは航空アーマニュレーションシステムのような複雑なダイナミクスをシミュレータがいかに処理するかを評価した。
• 標準化された表（表V～VII）を用いて、機能、機体タイプ、センサーの可用性を比較し、並列での評価を可能にした。
• 国際的なロボティクスコンテスト、実世界の応用、コミュニティフィードバックの知見を統合し、実務経験に基づいた推奨事項を提示した。

実験結果

リサーチクエスチョン

• RQ1 どのシミュレータが、マルチコプター、固定翼機、マルチビークルスワームダイナミクスに、現実的な空気力学的効果を伴って最適に対応できるか？
• RQ2 LiDAR、オプティカルフロー、GPS、IMUのシミュレーションを含めた、センサーフィデリティの観点から、異なるシミュレータはどのように比較できるか？
• RQ3 カスタマイズ性、保守性、ROSや強化学習フレームワークとの統合性という観点から、オープンソースとプロプライエタリシミュレータの間にはどのようなトレードオフがあるか？
• RQ4 物理エンジン（例：PhysX、PyBullet、ODE）は、特に高速飛行や機敏な飛行条件下でのUAV飛行ダイナミクスの現実性と正確性にどのように影響するか？
• RQ5 長期的な持続可能性、再現性、効率的なハードウェア移行を確保するため、研究者がシミュレータ選定において優先すべき意思決定要因は何か？

主な発見

• Gazebo（クラシックおよびNew）、Webots、AirSimは、マルチコプター、固定翼機、スワームを含む幅広い機体タイプをサポートし、ROS 1/2との統合が強い。
• AirSimとIsaac Sim（Pegasus）は、RGB、深度、セグメンテーション、LiDAR、オプティカルフローを含む包括的なセンサーセットを提供し、Unreal Engineを用いた高忠実度レンダリングを実現している。
• Gazebo、Webots、gym-pybullet-dronesといったオープンソースのシミュレータは、アクセス可能なソースコードと活発な保守性のおかげで、カスタム変更に好まれる。
• Isaac Gym（Aerial Gym）は、GPUアクセcelerated物理演算と大規模スワーム（例：512台のクアッドコプター）のシミュレーションをサポートするため、ハイパフォーマンス強化学習アプリケーションで優れた性能を発揮する。
• RotorTM や MATLAB UAV Toolbox といったシミュレータは、LiDAR やオプティカルフローを含むセンサーサポートが限定的であり、認識に依存するタスクには不適切である。
• AirSim や Isaac Sim（Pegasus）のようなプロプライエタリシミュレータは、強力な商業的支援があるが、長期的な保守性やオープンアクセスに欠ける可能性があり、再現性のリスクを伴う。