Core Concepts
본 연구는 F1TENTH 자율주행 자동차를 위한 맵리스 온라인 경로 계획 방법인 RaceMOP를 제안한다. RaceMOP는 인공 포텐셜 필드 기반 기저 정책과 잔차 정책 학습을 결합하여 고속 주행 중 안전한 추월 능력을 갖추고 있다.
Abstract
본 논문은 다중 에이전트 자율주행 레이싱을 위한 맵리스 온라인 경로 계획 방법인 RaceMOP를 소개한다. RaceMOP는 다음과 같은 특징을 가진다:
인공 포텐셜 필드 기반 기저 정책과 잔차 정책 학습을 결합하여 구현되었다. 기저 정책은 다중 에이전트 레이싱을 위해 특별히 설계되었으며, 잔차 정책은 장기 계획 능력을 향상시킨다.
확률 공간에서의 정책 융합 방법을 제안하여, 기저 정책의 출력을 효과적으로 보정한다.
12개의 시뮬레이션 레이스트랙에서 평가되었으며, 기존 맵리스 계획기들에 비해 우수한 성능을 보였다. 특히 알 수 없는 새로운 레이스트랙에서도 강건한 성능을 보였다.
다양한 시나리오 분석을 통해 RaceMOP의 학습된 주행 행동을 확인하였다. RaceMOP는 곡선 구간에서의 안전한 추월 능력이 뛰어난 것으로 나타났다.
Stats
레이스트랙 별 평균 랩타임은 52.41초로, 기존 방법 대비 8.65% 향상되었다.
추월 시도 대비 충돌 비율은 평균 0.33%로, 기존 방법 대비 98.61% 감소하였다.
주행 중 환경 충돌 비율은 평균 0.01 km-1로 매우 낮은 수준을 보였다.
Quotes
"RaceMOP는 오직 로컬 관측만을 사용하면서도 고속 주행 중 안전한 추월 능력을 갖추고 있다."
"RaceMOP의 일반화 능력은 알 수 없는 새로운 레이스트랙에서도 우수한 성능을 보여주었다."