AI News HubLIVE
站內改寫2 分鐘閱讀

在實時約束下彌合自動駕駛賽車的模擬到現實差距

本文從全棧實時系統角度處理自動駕駛賽車的模擬到現實差距問題。提出了一個三層視角(物理/計算/執行)來分析動態失配如何傳播,並引入了超越單圈時間的診斷指標,包括性能翻轉、穩定性度量、對延遲和噪聲的敏感性以及延遲分佈特徵。此外,還總結了從部署角度出發的緩解策略,並概述了在計算和時序約束下實現可重複和公平評估的基準測試指南。

來源arXiv Robotics作者: Hossein Maghsoumi, Yaser P. Fallah

自主賽車在高速、緊穩定性裕度和嚴格的實時約束等極端條件下運行,這使其成為模擬到現實(sim-to-real)差距的典型暴露平台。儘管仿真在開發過程中不可或缺,但控制器在仿真中表現優異時,常常由於動力學不匹配、估計延遲和執行層延遲的相互作用,在實際物理平台上性能急劇下降。這一問題在自主賽車領域尤為嚴峻,因為任何微小偏差都可能導致嚴重事故。

為了系統性解決這一問題,本文首次將自主賽車中的模擬到現實遷移作為一個全棧實時系統問題來構建。作者引入了一個結構化的三層視角,即物理層、計算層和執行層,用以分析不匹配如何通過閉環反饋傳播和放大。物理層關注動力學模型與實際車輛行為的差異,計算層處理算法與估計誤差,執行層則考慮底層硬件與控制指令的延遲。這三層相互耦合,共同導致仿真與現實的鴻溝。

在診斷方面,作者提出了超越傳統單圈時間的指標,包括性能翻轉(即仿真中表現好的控制器在現實中表現差)、穩定性導向度量、對延遲和噪聲的敏感性,以及延遲分佈特徵。這些指標能夠更全面地揭示系統弱點。例如,性能翻轉指標可以直接指出哪些在仿真中看似優秀的策略在實際中會失敗,從而指導設計者重新評估控制方案。穩定性度量則幫助定量分析系統在極限條件下的魯棒性,而延遲敏感性分析則揭示了時間約束對控制性能的具體影響。

此外,從部署導向的角度綜合了緩解策略,強調執行感知和延遲感知設計,例如在控制器設計中顯式考慮執行延遲,或採用魯棒控制方法。作者建議在控制循環中引入延遲補償機制,並通過預測模型來預估執行層的非確定性。同時,他們提出了一套基準測試指南,包括在計算和時序約束下的標準化評估方法,確保不同研究之間的可重複性和公平性。該框架闡明瞭跨層故障機制,為接近動態極限運行的部署式自主賽車系統提供了實用設計原則。該論文已被2026年IEEE第104屆車輛技術會議(VTC2026-Fall)接收,共6頁,包含2張圖和3張表。