此路可行：用于敏捷轨迹综合的微分贝叶斯滤波
机器人学
2022-07-18 v1
摘要
自主赛车中的主要挑战之一是设计用于高速及复杂赛道上的运动规划算法。此前已有端到端轨迹综合的提议，即基于赛车的相机图像计算自车轨迹，这是在监督学习设定下利用行为克隆技术完成的。本文中，我们通过引入微分贝叶斯滤波（DBF）来解决行为克隆方法用于轨迹综合的局限性，DBF 以概率 B\'ezier 曲线为基础，基于贝叶斯推断来推断最优自主赛车轨迹。我们引入了一种轨迹采样机制，并将其与滤波过程结合，能够将车推至其物理驾驶极限。DBF 的性能在 DeepRacing 一级方程模拟环境中评估，并与若干其他轨迹综合方法以及人类驾驶表现进行比较。DBF 实现了最快圈速与最高速度，通过将赛车推近其控制极限同时始终保持在赛道边界内。
引用
@article{arxiv.2207.07587,
title = {This is the Way: Differential Bayesian Filtering for Agile Trajectory Synthesis},
author = {Trent Weiss and Madhur Behl},
journal= {arXiv preprint arXiv:2207.07587},
year = {2022}
}
备注
8 pages