限界とその先の自動運転レースのための走行文脈誘導型モデル予測計画・制御

- 本論文は、autonomous car racing のための Model Predictive Control (MPC) ベースの motion planning and control pipeline を提案する。 - 異なる driving contexts（overtaking, nominal driving, countersteering）に適応可能。 - Cost Blending state machine が driving context を識別し、Model Predictive Planning (MPP) と MPC モジュールに適用する predefined weights を選択する。 - 両最適化は同一の problem formulation と model を共有し、horizon length, rate, tuning, open-loop vs closed-loop approach のみが異なる。 - 完全自律型 open-wheel racecar Superformula EAV-25 で検証され、lap time が bes…

- 先行研究と比べて、driving contexts に応じて Cost Blending state machine で重みを動的に切り替える点が新しい。 - MPP と MPC が同一の problem formulation と model を共有しつつ、horizon length や rate などの違いで役割分担する点が特徴的。 - 具体的な先行研究との比較は要旨からは不明。

- Model Predictive Control (MPC) ベースの motion planning and control pipeline。 - Cost Blending state machine が driving context（overtaking, nominal driving, countersteering）を識別し、predefined weights を選択。 - Model Predictive Planning (MPP) と MPC は同一の problem formulation と model を共有。 - 両者は horizon length, rate, tuning, open-loop vs closed-loop approach で異なる。 - これにより interaction を最大化。

- 完全自律型 open-wheel racecar Superformula EAV-25 で検証。 - lap time が best human driver reference の 2% 以内を達成。 - driving at the limit of handling、smooth overtaking maneuvers、high oversteering conditions への迅速な反応と車両安定性回復を実証。

- 要旨からは、具体的な議論や限界についての記述は不明。 - 結果として、限界走行、追い越し、オーバーステア回復の能力が示されている。

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、Model Predictive Control (MPC) や Model Predictive Planning (MPP) に関する論文、autonomous racing の研究が挙げられる。