基于强化学习方法加速F1TENTH赛车中的真实世界超车
机器人学
2025-10-31 v1 机器学习
摘要
虽然自主赛车在时间赛跑场景中取得了显著进展，但自主轮位赛车和超车仍严重受限。这些限制在现实驾驶场景中尤为突出，尤其是当领先的算法在安全或可靠性方面难以完成超车 maneuvers 时。这是一项重要课题，因为可靠地导航其他车辆对于安全的自主轮位赛车至关重要。F1Tenth Competition 提供了一个在标准化物理平台上开发轮位赛车算法的有力机会。比赛格式使得我们能够将超车和轮位赛车算法与最先进的算法进行评估。本研究提出了一种新型的赛车和超车智能体，能够在仿真和现实环境中学习可靠地导航赛道并完成超车。该智能体部署在F1Tenth车辆上，并在现实世界中与采用不同竞争算法的对手进行竞赛。结果表明，针对对手训练的智能体在超车率上达到87%，而仅为赛车训练的智能体的56%。
引用
@article{arxiv.2510.26040,
title = {Accelerating Real-World Overtaking in F1TENTH Racing Employing Reinforcement Learning Methods},
author = {Emily Steiner and Daniel van der Spuy and Futian Zhou and Afereti Pama and Minas Liarokapis and Henry Williams},
journal= {arXiv preprint arXiv:2510.26040},
year = {2025}
}