统一 F1TENTH 自动驾驶赛车：综述、方法与基准

F1TENTH 自动驾驶平台由 1:10 比例的遥控车组成，已发展成为一个成熟的教育与研究平台。众多出版物和现实世界竞赛涵盖了从经典路径规划到新颖的基于学习的算法等多个领域。因此，该领域广泛且分散，阻碍了对所开发方法的直接比较，使得评估最先进水平（state-of-the-art）变得困难。为此，我们旨在通过调查当前方法、描述通用技术并提供基准结果来统一该领域，以促进清晰的比较并为未来工作建立基线。本研究旨在调查过去和当前使用 F1TENTH 车辆的工作，涵盖经典类别和学习类别，并解释不同的解决方案途径。我们描述了粒子滤波定位、轨迹优化与跟踪、模型预测轮廓控制（model predictive contouring control）、跟随间隙（follow-the-gap）以及端到端强化学习。我们提供了基准方法的开源评估，并研究了经典方法中常被忽视的控制频率和定位精度因素，以及学习方法中的奖励信号和训练地图因素。评估表明，优化与跟踪方法实现了最快的单圈时间，其次是在线规划方法。最后，我们的工作识别并概述了相关的研究方面，以帮助激发 F1TENTH 领域的未来工作。