Key points are not available for this paper at this time.
모터스포츠는 기술, 기계 및 인간 운전자의 한계를 테스트하는 훌륭한 놀이터가 되었습니다. 이 논문은 전문 레이싱 시뮬레이터를 사용하여 공격적인 주행 시나리오에서 인간과 자율 운전자의 행동을 비교한 연구를 제시합니다. 전문 시뮬레이터는 기본 물리학과 차량 역학을 현실에 가깝게 에뮬레이션하며, 방대한 깨끗한 텔레메트리 데이터를 제공합니다. 첫 번째 연구에서 참가자들은 차량을 트랙 위에 유지하면서 가장 빠른 랩을 달성하는 것이 과제였습니다. 우리는 성능(랩 타임)에 따라 결과 랩을 그룹화하여 다양한 성능 수준에서 운전 행동을 정의하였습니다. 운전 성능을 예측하고 자율 시스템에 정보를 제공하는 것을 목표로 텔레메트리 데이터에서 얻은 차량 제어 기능에 대한 광범위한 분석이 수행되었습니다. 연구의 두 번째 부분에서는 최첨단 강화 학습(RL) 알고리즘이 시뮬레이션된 레이싱 카의 브레이크, 스로틀 및 스티어링을 제어하도록 훈련되었습니다. 우리는 인간의 운전 성능을 예측하는 데 사용되는 기능이 자율 주행에 어떻게 적용될 수 있는지를 조사했습니다. 우리의 연구는 RL 접근 방식을 개선할 수 있는 흔적을 찾는 것을 목표로 인간 운전 패턴을 조사합니다. 반대로 이들은 전문 드라이버의 훈련에도 적용될 수 있어 레이싱 라인을 향상시킬 수 있습니다.
Remonda et al. (Wed,)는 이 질문을 연구했습니다.