論文の概要: Fair Play in the Fast Lane: Integrating Sportsmanship into Autonomous Racing Systems

• arxiv url: http://arxiv.org/abs/2503.03774v1
• Date: Tue, 04 Mar 2025 10:14:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:57:33.614329
• Title: Fair Play in the Fast Lane: Integrating Sportsmanship into Autonomous Racing Systems
• Title（参考訳）: 高速レーンでのフェアプレイ:スポーツマンシップを自律レースシステムに統合する
• Authors: Zhenmin Huang, Ce Hao, Wei Zhan, Jun Ma, Masayoshi Tomizuka,
• Abstract要約: 本稿では,スポーツマンシップ(SPS)をレースに組み込むための2段階のゲーム理論フレームワークを提案する。 高レベルでは、モンテカルロ木探索(MCTS)を用いて最適な戦略を導出するスタックルバーグゲームを用いて、レース意図をモデル化する。 低レベルにおいては、車両の相互作用は一般化ナッシュ平衡問題(GNEP)として定式化され、全てのエージェントが軌道を最適化しながらスポーツマンシップの制約に従うことが保証される。
• 参考スコア（独自算出の注目度）: 44.52724799426566
• License:
• Abstract: Autonomous racing has gained significant attention as a platform for high-speed decision-making and motion control. While existing methods primarily focus on trajectory planning and overtaking strategies, the role of sportsmanship in ensuring fair competition remains largely unexplored. In human racing, rules such as the one-motion rule and the enough-space rule prevent dangerous and unsportsmanlike behavior. However, autonomous racing systems often lack mechanisms to enforce these principles, potentially leading to unsafe maneuvers. This paper introduces a bi-level game-theoretic framework to integrate sportsmanship (SPS) into versus racing. At the high level, we model racing intentions using a Stackelberg game, where Monte Carlo Tree Search (MCTS) is employed to derive optimal strategies. At the low level, vehicle interactions are formulated as a Generalized Nash Equilibrium Problem (GNEP), ensuring that all agents follow sportsmanship constraints while optimizing their trajectories. Simulation results demonstrate the effectiveness of the proposed approach in enforcing sportsmanship rules while maintaining competitive performance. We analyze different scenarios where attackers and defenders adhere to or disregard sportsmanship rules and show how knowledge of these constraints influences strategic decision-making. This work highlights the importance of balancing competition and fairness in autonomous racing and provides a foundation for developing ethical and safe AI-driven racing systems.
• Abstract（参考訳）: 自動レースは、高速な意思決定とモーションコントロールのためのプラットフォームとして注目されている。 既存の手法は主に軌道計画と戦略の遂行に重点を置いているが、公正競争を保証するためのスポーツマンシップの役割はほとんど解明されていない。 人間レースでは、ワンモーションルールや十分なスペースルールのようなルールは危険で非スポーツマン的な振る舞いを防ぐ。 しかしながら、自律的なレーシングシステムはこれらの原則を強制するメカニズムが欠如しており、おそらくは安全でない操作に繋がる可能性がある。 本稿では,スポーツマンシップ(SPS)をレースに組み込むための2段階のゲーム理論フレームワークを提案する。 高レベルでは、モンテカルロ木探索(MCTS)を用いて最適な戦略を導出するスタックルバーグゲームを用いて、レース意図をモデル化する。 低レベルにおいては、車両の相互作用は一般化ナッシュ平衡問題(GNEP)として定式化され、全てのエージェントが軌道を最適化しながらスポーツマンシップの制約に従うことが保証される。 シミュレーションの結果,競争力を維持しつつスポーツマンシップルールを施行する上で,提案手法の有効性が示された。 我々は、アタッカーとディフェンダーがスポーツマンシップルールを遵守または無視する様々なシナリオを分析し、これらの制約の知識が戦略的意思決定にどのように影響するかを示す。 この研究は、自律レースにおける競争と公正性のバランスの重要性を強調し、倫理的で安全なAI駆動レーシングシステムを開発する基盤を提供する。

関連論文リスト

• Learn 2 Rage: Experiencing The Emotional Roller Coaster That Is Reinforcement Learning [5.962453678471195]
  この研究は、AIcrowdが主催するLearn To Race Autonomous Racing Virtual Challenge 2022で優勝したチームの実験とソリューションの概要を示します。 Learn-to-Raceコンペティションの目的は、自動運転の安全性のメリットを達成することに焦点を当て、自動運転技術の境界を推し進めることである。 SAC(Soft Actor Critic)の変種の実装に焦点をあてた。 私たちのゴールは、視覚的特徴と幾何学的特徴のみからレースカーの非自明な制御を学習し、ピクセルを直接制御アクションにマッピングすることでした。
  論文  参考訳（メタデータ） (2024-10-24T06:16:52Z)
• er.autopilot 1.0: The Full Autonomous Stack for Oval Racing at High Speeds [61.91756903900903]
  インディ・オートノラティカル・チャレンジ (IAC) は、オープンホイールのレースカー上で独立して開発されたソフトウェアを使用して、前例のないスピードとヘッド・ツー・ヘッドのシナリオで競う9つの自律レースチームを集めた。 本稿では,チームTII EuroRacing (TII-ER) が使用するソフトウェアアーキテクチャについて述べる。静的障害物を避け,アクティブオーバーテイクを行い,75m/s (270 km/h) 以上の速度に達するために必要なモジュールをすべて網羅する。 総合的な結果と各モジュールのパフォーマンス、および、チームがそれぞれ2番目と3番目を置く楕円軌道上の競技の最初の2つのイベントで学んだ教訓について説明する。
  論文  参考訳（メタデータ） (2023-10-27T12:52:34Z)
• Mastering Nordschleife -- A comprehensive race simulation for AI strategy decision-making in motorsports [0.0]
  本稿では,GTレースに適した新しいシミュレーションモデルを開発する。 シミュレーションをOpenAIのGymフレームワークに統合することにより、強化学習環境を作成し、エージェントを訓練する。 本論文は,レースシミュレーションにおける強化学習の広範な適用に寄与し,FIAフォーミュラ1を超えるレース戦略最適化の可能性の解放に寄与する。
  論文  参考訳（メタデータ） (2023-06-28T10:39:31Z)
• Finding mixed-strategy equilibria of continuous-action games without gradients using randomized policy networks [83.28949556413717]
  グラデーションへのアクセスを伴わない連続アクションゲームのナッシュ平衡を近似的に計算する問題について検討する。 ニューラルネットワークを用いてプレイヤーの戦略をモデル化する。 本論文は、制約のない混合戦略と勾配情報のない一般的な連続アクションゲームを解決する最初の方法である。
  論文  参考訳（メタデータ） (2022-11-29T05:16:41Z)
• How Bad is Selfish Driving? Bounding the Inefficiency of Equilibria in Urban Driving Games [64.71476526716668]
  我々は,任意の平衡選手がプレーに同意するであろう効率について検討する。 我々は、アナーキーの価格に関する既存の境界を洗練させる保証を得る。 提案手法はオープンループ軌道に対する懸念を保証しているが,エージェントがクローズドループポリシーを採用する場合においても,効率的な平衡を観測する。
  論文  参考訳（メタデータ） (2022-10-24T09:32:40Z)
• Efficiently Computing Nash Equilibria in Adversarial Team Markov Games [19.717850955051837]
  我々は,同じプレイヤーが対戦相手と競合するゲームのクラスを紹介する。 この設定により、ゼロサムマルコフゲームの可能性ゲームの統一処理が可能になる。 我々の主な貢献は、対戦チームマルコフゲームにおける固定的な$epsilon$-approximate Nash平衡を計算するための最初のアルゴリズムである。
  論文  参考訳（メタデータ） (2022-08-03T16:41:01Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• Super-Human Performance in Gran Turismo Sport Using Deep Reinforcement Learning [39.719051858649216]
  高忠実度物理カーシミュレーションを利用した自律走行車レース学習システムを提案する。 私たちは、異なるレースカーとトラックのリアルな物理シミュレーションで知られている世界主導の自動車シミュレータであるGran Turismo Sportにシステムをデプロイしました。 私たちのトレーニングされたポリシーは、組み込みAIによってこれまで達成された以上の自律的なレースパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-08-18T15:06:44Z)
• FormulaZero: Distributionally Robust Online Adaptation via Offline Population Synthesis [34.07399367947566]
  自律レースは安全だが 保守的な政策を罰する領域です 現在のアプローチでは、他のエージェントに関する仮定を単純化するか、オンライン適応のための堅牢なメカニズムが欠如している。 レプリカ交換型マルコフ連鎖モンテカルロに基づく新しい自己再生法を開発した。
  論文  参考訳（メタデータ） (2020-03-09T03:07:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。