日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転ミドルウェアarXiv:2510.11448

自動運転システム向けの高速で信頼性の高いミドルウェア

A Faster and More Reliable Middleware for Autonomous Driving Systems

シェア:XThreadsFacebookLINEはてブBluesky

自動運転車の車載パイプライン向けに、センサデータをネイティブメモリ配置のまま共有メモリで転送するSIMを提案し、ROS 2比で遅延を最大98%削減した。

詳しい要約

1. どんなもの?

- 自動運転システム向けの共有メモリベースの通信ミドルウェア「Sensor-in-Memory (SIM)」の提案 - ROS 2 を置き換えるのではなく、ROS 2 ノードの隣で動作する補助的な transport - 単一ホスト内の sensor-to-control パイプラインを対象とし、データの新鮮さと低遅延を優先 - 4 行のコード変更で ROS 2 ノードに統合可能 - NVIDIA Jetson Orin Nano や Level 4 車両の Autoware.Universe で評価

2. 先行研究と比べてどこがすごい?

- ROS 2 と DDS transport は (de)serialization・copy・discovery のオーバーヘッドが大きく、時間予算を圧迫 - 既存の ROS 2 zero-copy transport である FastRTPS や Zenoh と比較して最大 98% の transport 遅延削減 - 平均遅延を約 95%、95/99 パーセンタイルのテール遅延を約 96% 縮小 - 完全性の保証よりもデータの新鮮さを優先する設計で、従来ミドルウェアとは異なるトレードオフを取る - 実車の Level 4 車両で localization 周波数を 7.5 Hz から 9.5 Hz に向上

3. 技術・手法の肝は?

- センサデータを cv::Mat や PCL などのネイティブメモリレイアウトのまま保持 - lock-free な bounded double buffer を用い、古いデータを上書きして新鮮さを優先 - 順序保証のための sequence number、ライブネス確認のための writer heartbeat、任意の checksum による基本整合性を提供 - ROS 2 ノードへ 4 行で統合できる設計 - 単一ホスト内パイプラインに特化し、ROS 2 の横で動作

4. どうやって有効だと検証した?

- NVIDIA Jetson Orin Nano 上で FastRTPS や Zenoh などの ROS 2 zero-copy transport と比較 - 実運用可能な Level 4 車両の Autoware.Universe 上でテスト - localization 周波数が 7.5 Hz から 9.5 Hz に向上 - 遅延クリティカルな全モジュールに適用し、perception-to-decision の平均遅延を 521.91 ms から 290.26 ms に短縮 - 40 mph (64 km/h)・乾燥コンクリートでの緊急制動距離を 13.6 ft (4.14 m) 短縮

5. 議論はある?

- データの完全性保証よりも新鮮さと低遅延を優先する設計のため、全データ受信が必須な用途には不向きな可能性 - 単一ホスト内通信に限定された設計であり、ホスト間通信への適用は要旨からは不明 - 上書きによるデータ欠落がアルゴリズムに与える影響の議論は要旨からは不明 - 障害時の挙動や安全性認証に関する議論は要旨からは不明

6. 次に読むべき論文は?

- ROS 2 の zero-copy transport である FastRTPS - Zenoh - Autoware.Universe - DDS ベースの ROS 2 ミドルウェア全般 - 共有メモリベースの transport に関する関連研究(要旨では個別論文の参照なし)

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Yuankai He, Weisong Shi

分類: cs.RO, cs.SY, eess.SY

原文アブストラクト

Ensuring safety in high-speed autonomous vehicles requires rapid control loops and tightly bounded delays from perception to actuation. Many open-source autonomy systems rely on ROS 2 middleware; when multiple sensor and control nodes share one compute unit, ROS 2 and its DDS transports add significant (de)serialization, copying, and discovery overheads, shrinking the available time budget. We present Sensor-in-Memory (SIM), a shared-memory transport designed for intra-host pipelines in autonomous vehicles. SIM keeps sensor data in native memory layouts (e.g., cv::Mat, PCL), uses lock-free bounded double buffers that overwrite old data to prioritize freshness, and integrates into ROS 2 nodes with four lines of code. Unlike traditional middleware, SIM operates beside ROS 2 and is optimized for applications where data freshness and minimal latency outweigh guaranteed completeness. SIM provides sequence numbers, a writer heartbeat, and optional checksums to ensure ordering, liveness, and basic integrity. On an NVIDIA Jetson Orin Nano, SIM reduces data-transport latency by up to 98% compared to ROS 2 zero-copy transports such as FastRTPS and Zenoh, lowers mean latency by about 95%, and narrows 95th/99th-percentile tail latencies by around 96%. In tests on a production-ready Level 4 vehicle running Autoware.Universe, SIM increased localization frequency from 7.5 Hz to 9.5 Hz. Applied across all latency-critical modules, SIM cut average perception-to-decision latency from 521.91 ms to 290.26 ms, reducing emergency braking distance at 40 mph (64 km/h) on dry concrete by 13.6 ft (4.14 m).

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI