racing场景中开环与反馈纳什轨迹的初步研究
机器人学
2023-10-03 v1
摘要
由于高度交互与竞争的环境，自动驾驶赛车的轨迹规划面临特殊挑战。先前工作已应用博弈论，因其为此类非合作动态问题提供均衡。本文引入一个框架以评估纳什均衡对赛车场景的适用性。为此，我们采用一种称为iLQGame的iLQR变体，针对原博弈的线性二次近似寻找满足均衡条件的轨迹。我们尤其关注开环纳什均衡与反馈纳什均衡在行为结果上的差异，并展示iLQGame如何生成这两类均衡。我们概述了开放问题及后续研究，包括iLQGame在赛车博弈中的收敛性质、代价函数参数化以及滚动时域实现。
引用
@article{arxiv.2310.00766,
title = {A Preview of Open-Loop and Feedback Nash Trajectories in Racing Scenarios},
author = {Matthias Rowold},
journal= {arXiv preprint arXiv:2310.00766},
year = {2023}
}
备注
This paper was presented at the IROS 2023 Workshop on Multi-agent Dynamic Games on October 1st, 2023 in Detroit as a virtual presentation