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

View PDF HTML (experimental)

Abstract:自主無人機競速挑戰高速運動規劃與多代理人策略決策的極限。在這項領域中，成功不僅需要無人機以極限速度飛行，還需預測並反制競爭對手的行動。本論文探討此領域中的一個核心問題：代理人在採取行動前應策略規劃到何種深度？為此，我們比較兩種規劃範式：模型預測賽局（MPG），其考量互動策略但計算時間較長；以及輪廓模型預測控制（MPC），其能快速計算策略但不考量互動。我們進行大量實驗分析此權衡，發現 MPG 在中速時優於 MPC，但因延遲而在高速時失去優勢。為解決此缺點，我們提出學習型模型預測賽局（LMPG）方法，透過 amortize 模型預測賽局來降低延遲。在模擬與硬體實驗中，我們將此方法與 MPG 及 MPC 在對抗賽中進行基準測試，結果顯示 LMPG 優於兩種基線方法。

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)