1次元位置フィードバック下における車両ナビゲーション
-特殊螺旋曲線法-

王　威・中野　公彦（東京大学）

本研究では，1次元位置のみが観測可能で，特殊螺旋曲線を活用した新たな車両ナビゲーション手法を提案する．提案手法を実車実験およびシミュレーションを通じて検証し，その有効性を確認するとともに，従来手法と比較して走行時の経路追従性能が向上し，経路偏差を効果的に低減できることを示した．

E2E自動運転MBDに向けたフォトリアルシミュレーション基盤の設計と構築

仲村　佳悟・横山　美優（アイシン）

CGベースの自動運転シミュレーションは，実映像とのドメインギャップや高い構築コストが課題である．本研究では3次元ガウシアンスプラッティングと車両モデルを同時にシミュレーションすることで，フォトリアル性と車両運動の正確性を両立したシミュレーション基盤を構築し，評価を行った．

自動運転における対向車遮蔽歩行者の検出検証と仮想長焦点カメラを用いた遠方認識の改善

王　奕童・繆　継樹・服部　倖也・平川　翼・山下　隆義・藤吉　弘亘（中部大学）

自動運転の安全向上に向け，遠方の物体に対する検出精度を向上させるために，従来のカメラ視点とともに遠方領域をフォーカスした視点を併用するMulti-View BEVFormerを提案する．本手法の有効性を評価した結果，従来手法では検出が困難な100m先の物体も高精度に検出できることを実証した．

インフラ協調自動運転システムの車両検査ライン導入における高精度LiDAR認識の活用と自動検査

穗積　伸哉・狩野　岳史・岡元　裕生・永渕　雄平・岩堀　健人・岩崎　典継・澤野　拓朗・岸岡　悠太（トヨタ自動車）・高田　誠也・東　謙太（デンソー）

労働力不足の課題解消と車両工場の生産性向上のため，インフラ協調自動運転システムを開発している．人や設備との共存空間や外乱のある環境において，従来のカメラに替えて，高精度LiDARを用いた自己位置推定と物標検知の機能を開発した．さらに精緻な車両制御による自働検査の可能性について検討を進めている．

Active Misalignment Correction System for Autonomous Driving Radar Using IMU/MAG Sensors and Actuators

Sukbom Son (Hyundai Motor)･Juhwan Park･Wanho Son (Ecoplastic)･Jin Young Yoon･Dongha Kim･Hongheui Lee･Sungho Park･Soobok Kim (Hyundai Motor)

Automotive radar sensors are a critical component of Advanced Driver Assistance Systems (ADAS), and their misalignment directly compromises autonomous driving safety. When integrated into the bumper rather than the front-end module (FEM), angular deviations are difficult to manually correct due to restricted physical access, and the exposed position makes the sensor inherently susceptible to impact-induced misalignment. In this study, we propose an automatic self-leveling system that detects radar misalignment via IMU and magnetometer (MAG) sensors and physically corrects the deviation using a custom-designed 2-DOF actuator, eliminating the need for manual calibration.

Tightly Coupled LiDAR-IMU-Odometry Fusion with Continuous-Time Trajectory Representation for Robust Ego-Vehicle Localization

Naoki Akai･Yasuhiro Akagi･Takayuki Morikawa (Nagoya University)

LIO can be used with only a LiDAR and an IMU, while odometry, which represents vehicle motion characteristics, is effective for improving robustness in vehicle applications. This presentation describes a robust vehicle localization technique that extends conventional discrete-time state estimation systems to continuous-time state estimation systems, enabling seamless fusion of LiDAR, IMU, and odometry according to their respective characteristics.