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。
これに対処するために、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 は地図を使用せずに動作し、ローカルの観察のみを利用して高速追い越し操作を実行します。
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 フィールド法と残差ポリシー学習を組み合わせて、長期的な計画を可能にします。
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広範な実験により、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でき​​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、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より広範なアプリケーションの可能性を確認します。
私たちのコードは 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. To address this, we introduce RaceMOP, a novel method for mapless online path planning designed for multi-agent racing of F1TENTH cars. Unlike classical planners that rely on predefined racing lines, RaceMOP operates without a map, utilizing only local observations to execute high-speed overtaking maneuvers. Our approach combines an artificial potential field method as a base policy with residual policy learning to enable long-horizon planning. We advance the field by introducing a novel approach for policy fusion with the residual policy directly in probability space. Extensive experiments on 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 and generalizes to unknown racetracks, affirming its potential for broader applications in robotics. Our code is available at http://github.com/raphajaner/racemop.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google