This paper presents a game-theoretic strategy for racing, where the autonomous ego agent seeks to block a racing opponent that aims to overtake the ego agent. After a library of trajectory candidates and an associated reward matrix are constructed, the optimal trajectory in terms of maximizing the cumulative reward over the planning horizon is determined based on the level-K reasoning framework. In particular, the level of the opponent is estimated online according to its behavior over a past window and is then used to determine the trajectory for the ego agent. Taking into account that the opponent may change its level and strategy during the decision process of the ego agent, we introduce a trajectory mixing strategy that blends the level-K optimal trajectory with a fail-safe trajectory. The overall algorithm was tested and evaluated in various simulated racing scenarios, which also includes human-in-the-loop experiments. Comparative analysis against the conventional level-K framework demonstrates the superiority of our proposed approach in terms of overtake-blocking success rates.
Microsoft（微软）；Stanford University（斯坦福大学）；University of Zurich and ETH（苏黎世大学和苏黎世联邦理工学院）
无人机竞赛是一个集计算机视觉、规划、状态估计和控制于一体的具有挑战性的研究课题。我们介绍AirSim Drone Racing Lab，这是一个模拟框架，用于实现自动化算法的快速原型设计，并实现该领域的机器学习研究，其目标是减少与现场机器人相关的时间，金钱和风险。我们的框架能够在多个照片般逼真的环境中生成赛道，编排无人机比赛，配备一套门资产，允许多个传感器模态（单眼，深度，神经形态事件，光流），不同的相机模型，以及规划，控制，计算机视觉和基于学习的算法的基准测试。我们使用我们的框架在NeurIPS 2019上举办了一场基于模拟的无人机竞赛。比赛的二进制文件可以在我们的github仓库中找到。
End2Race: An End-to-End Learning Framework for Multi-Vehicle Autonomous Racing
Department of Civil and Environmental Engineering, University of Michigan（土木与环境工程系，密歇根大学）；University of Michigan Transportation Research Institute（密歇根大学交通研究所）
Autonomous Vehicles on the Edge: A Survey on Autonomous Vehicle Racing
University of Pennsylvania（宾夕法尼亚大学）；ETH Zurich（苏黎世联邦理工学院）；California Institute of Technology（加州理工学院）；Technical University of Munich（慕尼黑工业大学）；University of Virginia（弗吉尼亚大学）；Clemson University（克莱姆森大学）
(hu)Man vs. Machine: In the Future of Motorsport, can Autonomous Vehicles Compete?
Autonomous Driving and Intelligent Transport Group, Oxford Brookes University, UK（自主驾驶与智能交通组，奥克斯伯里大学，英国）；School of Engineering, Computing & Mathematics, Oxford Brookes University, UK（工程、计算与数学学院，奥克斯伯里大学，英国）；Artificial Intelligence, Data Analysis and Systems Institute, Oxford Brookes University, UK（人工智能、数据分析与系统研究所，奥克斯伯里大学，英国）
The Autonomous Racing Software Stack of the KIT19d
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
Formula Student Driverless挑战工程专业的学生开发自动驾驶单座赛车，以寻求带来更多的毕业生，他们已经准备好解决与自动驾驶相关的现实世界问题。在本文中，我们介绍了KA-RaceIng参加2019年比赛的软件堆栈。我们涵盖了系统的基本模块，包括感知，定位，映射，运动规划和控制。此外，开发方法进行了概述，并给出了系统架构的概述。最后，我们提出了选定的运行时测量，数据日志，和竞争的结果，以提供一个深入了解最终原型的性能。
Accelerating Real-World Overtaking in F1TENTH Racing Employing Reinforcement Learning Methods
Centre for Automation and Robotic Engineering Science, The University of Auckland, New Zealand（自动化与机器人工程科学中心，奥克兰大学，新西兰）；New Dexterity research group, The University of Auckland, New Zealand（新灵活性研究组，奥克兰大学，新西兰）
FSDP: Fast and Safe Data-Driven Overtaking Trajectory Planning for Head-to-Head Autonomous Racing Competitions
Department of Control Science and Engineering, Zhejiang University（控制科学与工程系，浙江大学）；Center for Project-Based Learning, D-ITET, ETH Zurich（基于项目的学习中心，苏黎世联邦理工学院）
Fast and Modular Autonomy Software for Autonomous Racing Vehicles
Carnegie Mellon University（卡内基梅隆大学）；Cornell University（康奈尔大学）；Massachusetts Institute of Technology（麻省理工学院）；University of Pittsburgh（匹兹堡大学）；Rochester Institute of Technology（罗切斯特理工学院）；University of Waterloo（滑铁卢大学）
A Sim-to-Real Deep Learning-based Framework for Autonomous Nano-drone Racing
University of Bologna（博洛尼亚大学）；Dalle Molle Institute for Artificial Intelligence, USI-SUPSI（USI-SUPSI 达勒·莫勒人工智能研究所）；Autonomous Robotics Research Center, Technology Innovation Institute（技术创新研究院自主机器人研究中心）；ETH Zürich（苏黎世联邦理工学院）
MCTR: Midpoint Corrected Triangulation for Autonomous Racing via Digital Twin Simulation in CARLA
Department of Control Science and Engineering, Zhejiang University, Hangzhou, China（浙江大学控制科学与工程学院）；Ningbo Innovation Center, Zhejiang University, Ningbo, China（浙江大学宁波创新中心）；Center for Project-Based Learning, D-ITET, ETH Zurich（苏黎世联邦理工学院项目导向学习中心）；Technische Universität Wien, Vienna, Austria（维也纳技术大学）
本文提出 MCTR 算法，通过曲率校正移动平均改进轨迹平滑性，并在 CARLA 数字孪生中验证 3D LiDAR 感知下的自主赛车性能。
ETH Zürich（苏黎世联邦理工学院）；Mila, Université de Montréal（蒙特利尔大学Mila）；nuTonomy, an Aptiv company（nuTonomy（Aptiv公司旗下））；Toyota Technological Institute at Chicago（芝加哥丰田理工学院）；Amazon Web Services（亚马逊网络服务）
Autonomous, Mobile Manipulation in a Wall-building Scenario: Team LARICS at MBZIRC 2020
Laboratory for Robotics and Intelligent Control systems（机器人与智能控制系统实验室）；University of Zagreb Faculty of Electrical Engineering and Computing（萨格勒布大学电气工程与计算学院）；Unska 3, Zagreb, Croatia（克罗地亚萨格勒布Unska 3号）
Towards Open-World Mobile Manipulation in Homes: Lessons from the Neurips 2023 HomeRobot Open Vocabulary Mobile Manipulation Challenge
Georgia Tech（佐治亚理工学院）；Hello Robot Inc（Hello Robot公司）；Carnegie Mellon（卡内基梅隆大学）；Bielefeld University（比勒费尔德大学）；Ukrainian Catholic University（乌克兰天主教大学）；Bosch Center for AI（博世AI中心）；IIITA（印度信息技术与管理大学阿拉哈巴德分校）；IIT ISM Dhanbad（印度理工学院达纳巴德矿业与技术学院）；IIITM（印度信息技术与管理大学古瓦哈蒂分校）；CNAEIT（国家先进信息技术研究中心）
Real-Time Kinodynamic Motion Planning for Omnidirectional Mobile Robot Soccer using Rapidly-Exploring Random Tree in Dynamic Environment with Moving Obstacles
