基于高斯过程的自主赛车车辆动力学建模

自主赛车正日益成为 autonomous vehicle 技术在其当前能力极限下的试验场。最显著的例子包括 F1Tenth 赛车系列、Formula Student Driverless（FSD）、Roborace 以及 Indy Autonomous Challenge（IAC）。在高速度自主赛车中，准确的赛车车辆动力学知识尤为必要。车辆动力学模型的选择必须在计算需求增加与更复杂模型精度提升之间进行权衡。近期研究探索了基于学习的方法，如高斯过程（GP）回归用于近似车辆动力学模型。然而，这些工作聚焦于运动规划或预测控制等更高层构造，且缺乏 GP 建模过程的真实性与严谨性，该过程常被过度简化。本文对 GP 模型用于近似自主赛车车辆动力学的适用性进行了最详尽的分析。特别地，我们为流行的 F1TENTH 赛车平台构建了动力学与扩展运动学模型。我们研究了核选择、样本量、赛道布局、赛车线以及速度剖面对于所学动力学有效性与泛化能力的影响。我们在真实 F1 赛道布局上进行 400+ 次仿真，为研究界训练用于赛车单轨车辆动力学的准确 GP 回归提供全面建议。