基于模型规划与控制的时间赛赛车超越人类车手

近年来，自动驾驶赛车已成为自动驾驶中一个热门的子话题。自动驾驶赛车研究的目标是开发软件以在车辆操控极限下控制车辆并达到人类水平的赛车表现。本工作中，我们研究如何利用基于模型的规划与控制方法，借助高保真赛车模拟器 Gran Turismo Sport (GTS) 来接近人类专家水平的赛车表现。GTS 为自动驾驶赛车研究提供了独特机会，因为许多来自高水平人类玩家的赛车记录可作为专家示范。通过比较自动驾驶赛车软件与人类专家的表现，我们能更好地理解现有软件的性能差距并以原则性方式探索新方法。具体而言，我们聚焦于普遍采用的基于模型的赛车框架，其由离线轨迹规划器与在线的基于模型预测控制（MPC）的跟踪控制器组成。我们从车辆模型、规划算法和控制器设计三个角度深入研究了设计挑战，并提出了新颖解决方案以改进基线方法从而接近人类专家水平表现。我们展示了所提出的控制框架在 GTS 中能达到人类专家玩家前 0.95% 的圈速。此外，我们进行了全面的消融实验以验证所提模块的必要性，并指出了达到人类最佳表现的潜在未来方向。