Outracing Human Racers with Model-based Planning and Control for Time-trial Racing

要約

自動運転レースは、近年、自動運転のサブトピックとして人気を博しています。
自動レース研究の目標は、ハンドリングの限界で車両を制御し、人間レベルのレースパフォーマンスを実現するソフトウェアを開発することです。
この研究では、忠実度の高いレーシング シミュレーター グランツーリスモ スポーツ (GTS) を使用して、モデルベースの計画と制御手法を使用して人間のエキスパート レベルのレーシング パフォーマンスにアプローチする方法を研究します。
GTS は、高度なスキルを持つ人間のプレーヤーによるレースの多くの記録が専門家のデモンストレーションとして機能するため、自律的なレース研究のためのユニークな機会を可能にします。
自律型レーシング ソフトウェアのパフォーマンスを人間の専門家と比較することで、既存のソフトウェアのパフォーマンス ギャップをより深く理解し、原則に基づいた新しい方法論を探求できます。
特に、オフラインの軌道プランナーとオンラインのモデル予測制御ベース (MPC) 追跡コントローラーで構成される、一般的に採用されているモデルベースのレーシング フレームワークに焦点を当てています。
私たちは、車両モデル、計画アルゴリズム、コントローラー設計の 3 つの観点から設計課題を徹底的に調査し、人間の専門家レベルのパフォーマンスに向けたベースライン アプローチを向上させるための新しいソリューションを提案します。
私たちは、提案された制御フレームワークが、GTS の人間の専門プレーヤーの間で上位 0.95% のラップタイムを達成できることを示しました。
さらに、提案されたモジュールの必要性を検証するために包括的なアブレーション研究を実施し、人間の最高のパフォーマンスを達成するための潜在的な将来の方向性を指摘しました。

要約(オリジナル)

Autonomous racing has become a popular sub-topic of autonomous driving in recent years. The goal of autonomous racing research is to develop software to control the vehicle at its limit of handling and achieve human-level racing performance. In this work, we investigate how to approach human expert-level racing performance with model-based planning and control methods using the high-fidelity racing simulator Gran Turismo Sport (GTS). GTS enables a unique opportunity for autonomous racing research, as many recordings of racing from highly skilled human players can served as expert emonstrations. By comparing the performance of the autonomous racing software with human experts, we better understand the performance gap of existing software and explore new methodologies in a principled manner. In particular, we focus on the commonly adopted model-based racing framework, consisting of an offline trajectory planner and an online Model Predictive Control-based (MPC) tracking controller. We thoroughly investigate the design challenges from three perspective, namely vehicle model, planning algorithm, and controller design, and propose novel solutions to improve the baseline approach toward human expert-level performance. We showed that the proposed control framework can achieve top 0.95% lap time among human-expert players in GTS. Furthermore, we conducted comprehensive ablation studies to validate the necessity of proposed modules, and pointed out potential future directions to reach human-best performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google