三维赛道上最小时间机动动作的运动-动力学规划与精确执行

在三维赛道上在线规划并执行最小时间机动动作是自动驾驶赛车领域的一个开放性挑战。本文中，我们提出了一种人工赛车手（ARD），用于学习车辆动力学，并在三维赛道上规划与执行最小时间机动动作。ARD 将一种新颖的运动-动力学（KD）车辆模型用于轨迹规划，并与经济型非线性模型预测控制（E-NMPC）相结合。我们使用高保真车辆模拟器（VS），将闭环 ARD 结果与使用同一 VS 离线求解的最小圈时最优控制问题（MLT-VS）进行比较。我们的 ARD 所设定的圈速接近 MLT-VS，且新的 KD 模型优于文献中的基准模型。最后，我们研究了车辆轨迹，以评估 ARD 在执行误差下的重规划能力。包含主要结果的视频可作为补充材料获取。