Algoritmus na principu vzorkování akčních zásahů pro předjíždění v soutěži F1/10

Abstract

Tato práce představuje plánovací algoritmus pro autonomní závodění s podporou předjíždění založený na vzorkování. Algoritmus generuje vzorky řídících vstupů, predikuje odpovídající trajektorie pomocí dynamického modelu auta a hodnotí je na základě postupu na trati a bezpečnostních kritérií. Algoritmus byl vyvinut pro závody autonomních vozidel v soutěži F1TENTH. Metoda byla otestována v rychlostních i head-to-head závodech na třech různých tratích. V rychlostních závodech algoritmus konzistentně překonával referenční metody dosažením kratších časů na kolo díky plánování zohledňujícímu zakřivení trati. V závodech head-to-head byl schopen provádět předjížděcí manévry. Výsledky ukazují, že algoritmus splňuje své cíle v oblasti rychlé jízdy po trati a schopnosti předjíždění.

This thesis presents a sampling-based planning algorithm for autonomous racing with support for overtaking. The algorithm samples control input, predicts the resulting trajectories using a dynamic vehicle model, and evaluates them based on progress and safety-related criteria. It was developed for racing in the F1TENTH autonomous racing competition. The method was evaluated in both the time trial and head-to-head settings on three different race tracks. In time trials, it consistently outperformed the baseline methods by achieving shorter lap times through curvature-aware planning. In head-to-head races, the algorithm was able to perform overtaking maneuvers. The results demonstrate that the algorithm achieves its objectives of fast lap time execution and the ability to perform overtaking.