[论文解读] Autonomous Head-to-Head Racing in the Indy Autonomous Challenge Simulation Race.
本文介绍了Ariel Team为印第安纳自主挑战赛模拟赛开发的自动驾驶赛车控制器，该控制器离线计算赛车线路，并在线使用质点模型预测对手轨迹，选择最优操控动作。尽管结构简单，该控制器在椭圆赛道上以高达300公里/小时的速度实现了无碰撞、具有竞争力的表现。
This paper describes Ariel Team's autonomous racing controller for the Indy Autonomous Challenge (IAC) simulation race \cite{INDY}. IAC is the first multi-vehicle autonomous head-to-head competition, reaching speeds of 300 km/h along an oval track, modeled after the Indianapolis Motor Speedway (IMS). Our racing controller attempts to maximize progress along the track while avoiding collisions with opponent vehicles and obeying the race rules. To this end, the racing controller first computes a race line offline. Then, it repeatedly computes online a small set of dynamically feasible maneuver candidates, each tested for collision with the opponent vehicles. Finally, it selects the maneuver that maximizes progress along the track, taking into account the race line. The maneuver candidates, as well as the predicted trajectories of the opponent vehicles, are approximated using a point mass model. Despite the simplicity of this racing controller, it managed to drive competitively and with no collision with any of the opponent vehicles in the IAC final simulation race.
研究动机与目标
- 开发适用于速度超过300公里/小时的多车对向竞速的高性能自动驾驶赛车控制器。
- 通过防止高速操控过程中与对手车辆发生碰撞，确保安全运行。
- 在遵守比赛规则和动力学可行性约束的前提下，最大化沿赛道的推进进度。
- 通过计算高效的轨迹预测与操控动作选择，实现实时决策。
提出的方法
- 控制器离线计算参考赛车线路，以指导路径规划。
- 运行时，生成一组动力学可行的操控动作候选。
- 通过将对手车辆建模为质点，利用预测轨迹评估每个候选动作的碰撞风险。
- 对手轨迹的预测基于质点模型，以实现实时计算的高效性。
- 最终操控动作根据沿赛道的推进进度进行选择，优先遵循赛车线路。
- 整个系统实现实时运行，平衡速度、安全性和赛道推进进度。
实验结果
研究问题
- RQ1如何在多车对向竞速环境中实现高速、无碰撞的自动驾驶赛车表现？
- RQ2在实时自动驾驶赛车中，使用简单质点模型预测对手轨迹的有效性如何？
- RQ3是否可通过离线赛车线路计算与轻量化在线操控选择，实现在高速模拟竞速中的竞争力？
- RQ4控制器在300公里/小时速度下，如何在避免碰撞的同时有效保持赛道推进进度？
主要发现
- 控制器成功完成了IAC最终模拟赛，未与任何对手车辆发生碰撞。
- 尽管采用简单的质点模型进行对手轨迹预测，控制器在高达300公里/小时的速度下仍实现了具有竞争力的表现。
- 离线赛车线路计算与在线操控选择相结合，实现了高效的实时决策。
- 该系统在存在多个自主智能体的动态高速环境中表现出良好的鲁棒性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。