[Submitted on 6 Feb 2026 (v1), last revised 21 Jul 2026 (this version, v3)]

View PDF HTML (experimental)

Abstract:自律型ドローンレースは、高速動作計画とマルチエージェントの戦略的意思決定の限界を押し広げます。この分野での成功には、ドローンが限界までナビゲートするだけでなく、競合他社の行動を予測して対抗することも必要です。本論文では、この分野で生じる根本的な疑問を研究します：エージェントは行動を起こす前にどれだけ深く戦略を立てるべきか？そのために、2つの計画パラダイムを比較します：相互作用を考慮した戦略をより長い計算時間で求めるModel Predictive Game (MPG)と、相互作用を考慮せずに迅速に戦略を計算するcontouring Model Predictive Control (MPC)です。このトレードオフを調査するために広範な実験を行い、MPGは中程度の速度ではMPCを上回るが、高速では遅延により優位性を失うことを明らかにしました。この欠点に対処するため、モデル予測ゲームプレイを償却して遅延を低減するLearned Model Predictive Game (LMPG)アプローチを提案します。シミュレーションとハードウェア実験の両方で、ヘッドツーヘッドレースにおいてMPGおよびMPCに対するアプローチをベンチマークし、LMPGが両方のベースラインを上回ることを発見しました。

Submission history

From: Andrei-Carlo Papuc [view email]
[v1] Fri, 6 Feb 2026 18:20:13 UTC (11,091 KB)
[v2] Mon, 1 Jun 2026 12:18:35 UTC (7,208 KB)
[v3] Tue, 21 Jul 2026 13:01:24 UTC (7,208 KB)