Biasing the Driving Style of an Artificial Race Driver for Online Time-Optimal Maneuver Planning

要約

この作業では、オンラインの最適な軌跡計画のための人工レースドライバー（ARD）の運転スタイルにバイアスをかけるための新しいアプローチを提示します。
当社のメソッドは、時間の最小化と計画地平線の終わりに出口速度の最大化と組み合わせた非線形モデル予測制御（MPC）フレームワークを活用します。
以前のMPCステップで計画された軌道に基づいて新しいMPC端末コストの定式化を導入し、ARDがその運転スタイルを初期の頂点からリアルタイムで操作することを可能にします。
私たちのアプローチは計算的に効率的であり、低いレプラン時間と長い計画の視野が可能になります。
シミュレーションを通じてメソッドを検証し、結果をオフラインの最小LAP-Time（MLT）最適な制御とオンライン最小時間MPCソリューションと比較します。
結果は、当社の新しいターミナルコストにより、ARDがその運転スタイルにバイアスし、MLTソリューションに近いオンラインラップ時間を最小限のMPCソリューションよりも速く実現できることを示しています。
私たちのアプローチは、人間のドライバーが早期または後期の頂点操作の選択の背後にある理由をよりよく理解するための道を開きます。

要約(オリジナル)

In this work, we present a novel approach to bias the driving style of an artificial race driver (ARD) for online time-optimal trajectory planning. Our method leverages a nonlinear model predictive control (MPC) framework that combines time minimization with exit speed maximization at the end of the planning horizon. We introduce a new MPC terminal cost formulation based on the trajectory planned in the previous MPC step, enabling ARD to adapt its driving style from early to late apex maneuvers in real-time. Our approach is computationally efficient, allowing for low replan times and long planning horizons. We validate our method through simulations, comparing the results against offline minimum-lap-time (MLT) optimal control and online minimum-time MPC solutions. The results demonstrate that our new terminal cost enables ARD to bias its driving style, and achieve online lap times close to the MLT solution and faster than the minimum-time MPC solution. Our approach paves the way for a better understanding of the reasons behind human drivers’ choice of early or late apex maneuvers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google