基于局部轨迹规划与速度预测的数据驱动激进自主赛车框架
机器人学
2025-03-07 v3 系统与控制
系统与控制
摘要
自主驾驶技术的发展推动了自主赛车研究的深入。然而，现有局部轨迹规划方法在锐角赛道上难以生成最优速度剖面，限制了自主赛车性能。为此，我们提出一种集成基于模型预测轮廓控制（MPCC）的速度预测局部轨迹规划方法（VPMPCC）。通过贝叶斯优化学习VPMPCC的最优参数，基于新构建的赛车适应目标函数（OFR）进行优化。具体而言，VPMPCC通过将赛道编码为参考速度剖面并纳入优化问题中，实现速度预测。该方法针对曲率显著的弯角优化局部轨迹速度剖面。提出的OFR在平衡赛车性能与车辆安全方面具有优势，确保了安全高效的贝叶斯优化训练。在仿真中，基于OFR的贝叶斯优化训练迭代次数较最新方法降低了42.86%。经训练得到的最优参数直接应用于真实世界的F1TENTH车辆，无需再训练。在具有显著锐角的自建赛道上持续赛车时，VPMPCC实现的平均预测速度达到车辆处理极限的93.18%。
引用
@article{arxiv.2410.11570,
title = {A Data-Driven Aggressive Autonomous Racing Framework Utilizing Local Trajectory Planning with Velocity Prediction},
author = {Zhouheng Li and Bei Zhou and Cheng Hu and Lei Xie and Hongye Su},
journal= {arXiv preprint arXiv:2410.11570},
year = {2025}
}