3D物体検出は、自動運転などのアプリケーションにおいて中心的なタスクであり、システムは悪天候下でも周囲の交通エージェントを位置特定し、分類する必要があります。本論文では、雪が降る状況下でのLiDAR（ライダー）を用いた3D物体検出の問題に取り組んでいます。この設定における訓練データの収集とアノテーションの困難さに対応するために、実際の晴天時のLiDAR点群に雪が降る効果をシミュレートする物理に基づく方法を提案します。当方の手法は、各LiDARラインに対して2次元空間で雪粒子をサンプリングし、その誘導幾何学を利用して各LiDARビームの測定値を適切に変更します。さらに、雪が降ると地面が湿ることが多いことから、LiDAR点群上の地面の湿り気もシミュレートします。我々はこのシミュレーションを使用して部分的に合成された雪景色のLiDARデータを生成し、これらのデータを利用して雪に対するロバスト性を持つ3D物体検出モデルの訓練を行います。最新の3D物体検出手法を用いて広範な評価を行い、実際の雪景色STFデータセット上で晴天時のベースラインや競合するシミュレーション手法と比較して当方のシミュレーションが一貫して有意な性能向上を示すことを確認しました。晴天時の性能低下も見られませんでした。当方のコードはwww.github.com/SysCV/LiDAR_snow_simで公開されています。