Safe Overtaking for Autonomous Racing Using Hierarchical Optimization and Learning-Based Control
本文提出了一种用于自主赛车的高层级分层超越框架，该框架结合了用于动作选择的高层混合整数二次规划，以及通过强化学习策略增强的非线性模型预测控制器，利用该策略自适应地调整安全屏障约束，从而在不同的赛道条件下实现稳健的安全与性能权衡，且无需人工调优。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个机器人不再仅仅是遵循严格规则以避免碰撞，而是在进行极速竞技的世界。这就是自主赛车——一个令人热血沸腾、高风险的竞技场。与在高速公路上行驶、优先考虑平稳舒适驾驶和严格遵守交通法规的自动驾驶汽车不同，赛车机器人必须在轮胎抓地力的边缘起舞才能赢得比赛。这就像是在骑自行车时尝试全速前进并同时玩杂耍，目标是在不坠车的前提下尽可能快。这项运动最大的挑战在于超车：如何在不撞到对手或导致失控打滑的情况下挤过去？为了解决这个问题，科学家们使用了一种特殊的“安全网”，称为控制障碍函数（Control Barrier Function, CBF）。可以将它想象成围绕在赛车周围的一个隐形的、有弹性的气泡，它在说：“你可以开这么快，但如果你离边缘太近，就必须减速。”棘手之处在于，如果这个安全气泡太硬，赛车就会变得胆小，拒绝超越任何人；如果它太松，赛车就会发生碰撞。大问题在于：如何让这个安全气泡变得足够聪明，既能知道何时收紧，又能在比赛过程中知道何时放宽？
本文介绍了一种教导赛车机器人如何安全且具有攻击性地超车的巧妙新方法。作者 Hassan Jardali、Kai Yin 和 Lantao Liu 提出了一种“分层”系统，这就像是给了机器人一个拥有两个不同思考层级的头脑。第一层是“策略家”。它观察比赛并做出重大的、离散的决策，例如“我将从左侧超越”或“我将从右侧超越”。它使用一种称为混合整数二次规划（MIQP）的数学工具来解决这个谜题，本质上是在赛车开始移动之前，就在交通流中选出最佳路径。第二层是“飞行员”。一旦策略家选定了一侧，飞行员就会使用一种称为模型预测控制（MPC）的高级控制器来实际操控赛车转向，确保其符合物理定律且不会撞墙。
然而，作者注意到传统安全气泡的工作方式存在一个问题。通常情况下，安全气泡的“硬度”是由人类工程师设定的一个固定数值。这就像驾驶一辆带有定速巡航的汽车，无论是在笔直的高速公路上还是在狭窄的弯道上，它的限速永远不变。论文认为这种固定方法过于僵化；它经常迫使赛车过于谨慎，错失绝佳的超车机会，或者需要针对每一条赛道进行不断的手动微调。为了解决这个问题，团队加入了第三个成分：一个由强化学习（RL）驱动的“教练”。这个教练实时观察比赛并调整安全气泡的硬度。如果赛车远离对手，教练会放宽气泡以允许赛车表现得更具攻击性；如果赛车紧贴着竞争对手，教练则会收紧气泡以确保安全。
研究人员在包括印第安纳波利斯赛车场和拉古纳塞卡在内的四条著名赛道的计算机模拟中测试了这个三部分组成的系统。他们发现，没有任何一种固定的安全气泡设置能在所有赛道上都表现良好；对一条赛道完美的设置在另一条赛道上可能表现糟糕。相比之下，他们的自适应“教练”学会了自动调整安全设置。在这些模拟中，自适应策略实现了最高的整体成功率，达到 67%，这意味着赛车在不发生碰撞方面的成功率高于所有固定设置。它还完成了更多的圈数，并在无需针对新赛道进行重新调优的情况下完成了更多的超车。
为了证明这不仅仅是计算机上的技巧，团队还制造了一辆较小的比例缩放赛车，并在现实世界中测试了该系统。他们使用了一个虚拟的“幽灵”对手来模拟比赛。结果显示，该系统运行速度足够快，能够跟上赛车的动作，并在毫秒级内做出决策。实验证实，这种分层方法——即将“在哪里”超车的大决策与“如何”驾驶的细节控制分开——至关重要。当他们尝试移除“策略家”层，让“飞行员”自行决定超车方向时，赛车变得混乱，陷入循环，并且发生碰撞的频率更高。
简而言之，本文指出，对于自主赛车而言，要实现真正的竞争力和安全性，机器人需要一种团队协作模式：一个负责挑选正确车道的策略家，一个负责驾驶的飞行员，以及一个负责实时调整安全规则的聪明教练。虽然该系统目前还不完美（它仍然依赖于一些关于对手运动方式的简化假设），但结果表明，让机器人学会调节自身的安全余量，比预先猜测出一个完美的设置要好得多。这项已被接收用于 2026 年 IEEE/RSJ 国际智能机器人与系统大会（IROS）的工作，为机器人不仅能安全驾驶，还能展现出人类冠军般的胆识与适应力打开了大门。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。