使用 iLQGames 的竞争性赛车开环与反馈纳什轨迹
机器人学
2024-02-06 v1 计算机科学与博弈论
摘要
感知交互的轨迹规划对于缩小自动驾驶赛车与人类赛车手之间的差距至关重要。先前的工作应用了博弈论，因为它为非合作动态问题提供了均衡概念。在这项贡献中，我们将赛车表述为一个动态博弈，并采用 iLQR 的一种变体（称为 iLQGames）来求解该博弈。iLQGames 为博弈的线性二次近似寻找满足均衡条件的所有玩家的轨迹，并且此前已应用于交通场景中。我们分析了该算法在赛车场景中进行轨迹规划的适用性，并根据交互感知能力、竞争力和安全性对其进行了评估。凭借 iLQGames 求解开环和反馈纳什均衡的能力，我们在直线赛道段的简单场景中比较了这两种均衡概念的行为结果。
引用
@article{arxiv.2402.01918,
title = {Open-Loop and Feedback Nash Trajectories for Competitive Racing with iLQGames},
author = {Matthias Rowold and Alexander Langmann and Boris Lohmann and Johannes Betz},
journal= {arXiv preprint arXiv:2402.01918},
year = {2024}
}
备注
8 pages, submitted to be published at the 35th IEEE Intelligent Vehicles Symposium, June 2 - 5, 2024, Jeju Shinhwa World, Jeju Island, Korea