模拟赛车锦标赛:竞赛软件手册
该研究论文介绍了一个团队以参加 2021 年 Indy 自主挑战赛来测试自动驾驶软件堆栈,在软件开发流程和硬件模拟方面进行了详细说明,并概述了软件架构和开发重点。
Feb, 2022
该研究描述了在模拟环境中开发自动驾驶算法并将其部署到真实汽车上的过程中所涉及的挑战,着重研究了使用单个摄像头作为输入推断汽车方向盘角度的深度神经网络的训练、验证和部署等方面,以及如何通过模拟来加强软件的稳定性和性能。
May, 2019
该论文通过模拟赛车比赛的方式,使用多模态信息来帮助自动驾驶智能体的学习,在对真实世界的模拟中精确模拟车辆动力学和赛车条件,实现了智能体的学习。
Mar, 2021
介绍了 AirSim Drone Racing Lab 仿真框架,可用于自主飞行器比赛算法的快速原型设计,以在多个真实场景中测试计划、控制、视觉等算法和通过竞赛形式比较算法效果。
Mar, 2020
Indy Autonomous Challenge (IAC) 中的 TII EuroRacing (TII-ER) 队使用了完整的软件架构,可以避开静态障碍物、主动超越并达到超过 75 m/s (270 km/h) 的速度;此研究还探讨了车辆动力学建模、模拟、遥测和安全的方法;同时介绍了比赛中的整体结果和每个模块的性能,以及在两个椭圆赛道上的比赛中的经验教训。
Oct, 2023
本文介绍了在 CARLA 模拟器中,基于 CaRINA2 架构设计了一个自主车辆导航系统,能够有效避免交通违规,具备障碍物检测、交通标志检测、风险评估、决策制定和控制等多个关键组件,利用卷积神经网络等技术实现。该系统在首届 CARLA 自主驾驶挑战赛中成绩斐然,取得了 3 个赛道的胜利。
Oct, 2020
本文提出了一种基于深度强化学习、高保真的物理模拟和课程进展奖励的学习系统,用于 Gran Turismo Sport 自动汽车竞赛,并在超过 50,000 名人类玩家数据集中,实现了超越自带 AI 和人类最快驾驶者的自主赛车性能。
Aug, 2020
DeepRacer 是一个用于 RL 端到端实验的平台,可以用来系统地研究智能控制系统开发中的关键挑战。该平台的应用展示了如何使用 RL 和单眼摄像头来训练 1/18 比例的小车自主学习驾驶,尤其展示出了一个能够通过使用原始相机图像观察和无模型学习方法执行鲁棒路径规划的机器人控制代理的 RL 算法。
Nov, 2019
本论文针对 GT 赛车领域,开发了一种结合了新型模拟模型和人工智能技术的赛车策略决策自动化模型,并通过历史数据验证了该模型对于燃油量和停车时间的决策具有较好的决策效能,并对学习速率、衰减率、数据集数量等重要参数进行了分析。
Jun, 2023