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

View PDF HTML (experimental)

Abstract:自主无人机竞速推动了高速运动规划与多智能体战略决策的边界。该领域的成功不仅要求无人机在极限状态下导航，还需预测并反制竞争对手的行动。本文研究该领域中的一个基本问题：智能体在执行动作前应进行多深度的策略规划？为此，我们比较两种规划范式：模型预测博弈（MPG），以更长计算时间为代价获得交互感知策略；以及轮廓模型预测控制（MPC），可快速计算策略但不考虑交互。我们进行了大量实验研究这种权衡，发现 MPG 在中速时优于 MPC，但因延迟在高速时失去优势。为解决这一缺陷，我们提出学习型模型预测博弈（LMPG）方法，通过摊销模型预测博弈来降低延迟。在仿真与硬件实验中，我们将该方法与 MPG 和 MPC 在头对头竞速中进行基准测试，结果显示 LMPG 优于两个基线。

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)