预测性样条器：基于对手轨迹预测的数据驱动自动赛车超车
最优化与控制
2026-03-20 v2 交易与市场微观结构
摘要
面对面对抗式赛车是自动驾驶领域的一个具有挑战性和新兴的主题。我们提出 Predictive Spliner，一种数据驱动的超车规划器，通过高斯过程（GP）回归学习对手的行为模式，进而计算未来赛道段可行的超车方案。在 1:10 比例的自动驾驶赛车平台上进行实验验证，使用激光雷达（LiDAR）信息感知对手位置。实验结果表明，Predictive Spliner 在超车速度上超过了最新方法的 83.1%，平均快于当前最佳方法的 8.4%。此外，该方法实现了 84.5% 的平均成功率，较前所未有的方法高出 47.6%。该方法在计算效率方面表现出色，CPU 负载为 22.79%，计算时间为 8.4 毫秒，测试于商用离线处理器（CotS）Intel i7-1165G7，适用于实时机器人应用。这些结果凸显了 Predictive Spliner 在提升自动赛车车辆性能与安全方面的潜力。Predictive Spliner 的代码已公开：https://github.com/ForzaETH/predictive-spliner。
引用
@article{arxiv.2410.04867,
title = {Optimal execution with deterministically time varying liquidity: well posedness and price manipulation},
author = {Gianluca Palmari and Fabrizio Lillo and Zoltan Eisler},
journal= {arXiv preprint arXiv:2410.04867},
year = {2026}
}
备注
33 pages, & figures