基于近似势函数的自主赛车游戏论运动规划与控制实时算法：α-RACER
机器人学
2025-04-28 v3 计算机科学与博弈论
摘要
自主赛车挑战远不止于控制racecar以其物理极限。职业赛手会采用战略性机动，以克服其他竞争对手，确保胜利。虽然现代控制算法能够通过为单车场景计算离线赛线实现人类水平性能，但针对多车自主赛车的实时算法研究仍有限。为填补这一差距，我们发展了包含竞争性方面的游戏论建模框架，如超车和阻挡，通过新颖的策略参数化实现。此外，我们提出了一种算法方法来计算（近似）纳什均衡策略，代表在存在竞争代理人时的优化方法。具体而言，我们引入一种受动态近似势函数框架启发的算法，实现纳什均衡的实时计算。我们的方法包含两个阶段：离线和在线。在离线阶段，我们使用模拟赛车数据学习近似势函数，以近似表示代理人的效用变化。该函数 facilitate 在在线计算近似纳什均衡。我们在头盔式3-car赛车场景中评估了该方法，证明其优于几个现有基准。
引用
@article{arxiv.2412.08855,
title = {{\alpha}-RACER: Real-Time Algorithm for Game-Theoretic Motion Planning and Control in Autonomous Racing using Near-Potential Function},
author = {Dvij Kalaria and Chinmay Maheshwari and Shankar Sastry},
journal= {arXiv preprint arXiv:2412.08855},
year = {2025}
}
备注
L4DC 2025