DBF-MA：一种用于多智能体自主赛车超车的差分贝叶斯滤波规划器
机器人学
2025-10-02 v2
摘要
自主赛车的一个重大挑战是生成超车动作。赛车智能体必须在复杂的赛道上执行这些动作，且容错空间很小。目前已有优化技术和基于图的方法被提出，但这些方法通常依赖于对碰撞避免和动力学约束的过度简化假设。在这项工作中，我们提出了一种基于差分贝叶斯滤波（Differential Bayesian Filtering）框架扩展的轨迹合成方法。我们的无碰撞轨迹合成方法将问题构建为复合贝塞尔曲线（Composite Bezier Curves）空间上的贝叶斯推断问题。我们的方法无需导数，不需要对车辆轮廓进行球形近似、约束线性化或对碰撞避免进行简化上界估计。我们对DBF-MA进行了闭环分析，发现它在87%的测试场景中成功超越了对手，性能优于现有的自主超车方法。
引用
@article{arxiv.2509.22937,
title = {DBF-MA: A Differential Bayesian Filtering Planner for Multi-Agent Autonomous Racing Overtakes},
author = {Trent Weiss and Amar Kulkarni and Madhur Behl},
journal= {arXiv preprint arXiv:2509.22937},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication