QuayPoints：桥接全局规划与局部规划信息差的推理框架用于自动驾驶赛车
机器人学
2025-10-14 v1
摘要
自动驾驶赛车需要感知、规划与控制深度集成，以最小化延迟并实现及时决策。标准的自主系统管线包括全局规划器、局部规划器和控制器，随着高级赛车情境依次向下传递到具体任务情境，信息会逐步丢失。特别是，全局规划器对最优性的理解通常简化为稀疏的路径点，使局部规划器在有限的情境下进行响应决策。本文探讨了是否可以将额外的全局洞见（具体而言是时间最优性信息）传递给局部规划器，以改进下游决策。我们引入一种框架，通过 QuayPoints 区域保留关键全局知识并传递给局部规划器，其中偏离最优赛线的结果会显著损害最优性。QuayPoints 使局部规划器在偏离赛线时（例如在战略超车时）能够做出更有信息的全局决策。为证明这一点，我们将 QuayPoints 集成到现有规划器中，并展示其在四条不同赛道上均能 consistently 超车速度为己方车辆最高速度的75%的对手。
关键词
引用
@article{arxiv.2510.10886,
title = {QuayPoints: A Reasoning Framework to Bridge the Information Gap Between Global and Local Planning in Autonomous Racing},
author = {Yashom Dighe and Youngjin Kim and Karthik Dantu},
journal= {arXiv preprint arXiv:2510.10886},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication