面向自动驾驶赛车转向动力学的模型结构神经网络
机器人学
2025-07-29 v1
摘要
近年来，自动驾驶赛车正受到日益关注，作为加速自动驾驶运动规划和控制方法开发的安全环境。深度学习模型，主要基于神经网络 (NN)，在建模车辆动力学和执行自动驾驶中的各种任务方面展现出巨大潜力。然而，这些模型的黑箱本质在自动驾驶赛车领域尤为关键，因为安全和鲁棒性要求对决策算法有深入的理解。为此，本文提出了一种新型模型结构神经网络 MS-NN-steer，用于车辆转向控制，将非线性车辆动力学的先验知识整合到神经网络架构中。该控制器使用阿布扎比自主驾驶赛车联盟 (A2RL) competition 的真实世界数据进行验证，适用于全尺寸自动驾驶赛车。在与通用神经网络相比，MS-NN-steer 在小训练数据集上实现更好的精度和泛化能力，权重初始化更不敏感；同时，MS-NN-steer 还优于 A2RL 获奖团队使用的转向控制器。我们的实现已在 GitHub 仓库中开源。
引用
@article{arxiv.2507.20427,
title = {Model-Structured Neural Networks to Control the Steering Dynamics of Autonomous Race Cars},
author = {Mattia Piccinini and Aniello Mungiello and Georg Jank and Gastone Pietro Rosati Papini and Francesco Biral and Johannes Betz},
journal= {arXiv preprint arXiv:2507.20427},
year = {2025}
}
备注
Accepted at the 2025 IEEE International Conference on Intelligent Transportation Systems (ITSC)