RaceMOP: Mapless Online Path Planning for Multi-Agent Autonomous Racing using Residual Policy Learning

要約

マルチエージェント自動レースにおけるインタラクティブな意思決定は、自動運転車の領域を超えた貴重な洞察を提供します。
マップレスのオンライン経路計画は特に実用的な魅力がありますが、計画期間が限られているため、安全に敵を追い越すには課題が生じます。
したがって、この文書では、F1TENTH カーのマルチエージェント レース用に設計された、マップレス オンライン パス プランニングの新しい方法である RaceMOP を紹介します。
事前に定義されたレーシング ラインに依存する従来のプランナーとは異なり、RaceMOP は地図を使わずに動作し、現地の観察のみに頼って高速で他のレース カーを追い越します。
私たちのアプローチは、基本ポリシーとしての人工ポテンシャル場法と残差ポリシー学習を組み合わせて、長期的な計画機能を導入します。
私たちは、確率空間で直接残差政策と政策を融合するための新しいアプローチを導入することにより、この分野を前進させます。
12 のシミュレートされたレーストラックでの実験により、RaceMOP が追い越し操作中に堅牢な衝突回避を備えた長期的な意思決定が可能であることが検証されました。
RaceMOP は、既存のマップレス プランナーよりも優れた処理を実証しながら、未知のレーストラックに一般化して、ロボット工学における当社のメソッドのさらなる使用への道を開きます。
RaceMOP のオープンソース コードは http://github.com/raphajaner/racemop で入手できます。

要約(オリジナル)

The interactive decision-making in multi-agent autonomous racing offers insights valuable beyond the domain of self-driving cars. Mapless online path planning is particularly of practical appeal but poses a challenge for safely overtaking opponents due to the limited planning horizon. Accordingly, this paper introduces RaceMOP, a novel method for mapless online path planning designed for multi-agent racing of F1TENTH cars. Unlike classical planners that depend on predefined racing lines, RaceMOP operates without a map, relying solely on local observations to overtake other race cars at high speed. Our approach combines an artificial potential field method as a base policy with residual policy learning to introduce long-horizon planning capabilities. We advance the field by introducing a novel approach for policy fusion with the residual policy directly in probability space. Our experiments for twelve simulated racetracks validate that RaceMOP is capable of long-horizon decision-making with robust collision avoidance during overtaking maneuvers. RaceMOP demonstrates superior handling over existing mapless planners while generalizing to unknown racetracks, paving the way for further use of our method in robotics. We make the open-source code for RaceMOP available at http://github.com/raphajaner/racemop.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google