面向极限自主竞速的类人多模态具身智能体Apex

《Advanced Robotics Research》：Push the Limits: Human-Like Multimodal Extreme Embodied Intelligence for Autonomous Racing

　　

自主竞速是在极限控制条件下测试具身智能的平台，要求系统在速度、执行和决策的极限下运行。受人类多模态能力的启发——即整合感官输入、自适应学习以及跨领域迁移知识以实现整体态势感知和最优性能——研究人员提出了Apex，一个部署于阿布扎比亚斯码头F1赛道的超级方程式赛车上的具身智能体。Apex集成了物理信息神经网络增强感知、多模态学习和任务执行能力，从而在极端条件下实现高性能表现。利用真实世界赛车数据，Apex在计时赛中圈速缩短15%，并在多车攻防场景中达到81%的成功率，超越了现有最先进系统。这项工作不仅彰显了多模态具身智能在掌握物理极限方面的变革潜力，也应对了高性能机器人系统中的广泛挑战。

论文解读文章

研究背景与问题

自主竞速作为具身智能在极限控制条件下的典型测试平台，要求系统在高速、高加速度、轮胎力近饱和以及复杂系统动力学等极端环境下运行。传统方法通常将竞速问题分解为轨迹规划和运动控制两个阶段，依赖精确的车辆动力学模型。然而，当系统在轮胎-路面摩擦极限附近运行时，即使是微小的建模误差也可能导致灾难性后果。此外，多车竞争场景不仅对建模精度提出更高要求，还引入了复杂的空气动力学相互作用，同时需要控制策略能够实时预测并适应对手车辆的轨迹。尽管深度强化学习（RL）在围棋、国际象棋等领域已超越人类水平，但这些成功高度依赖于数据质量，且往往忽略了具身AI框架在物理极限下的系统性研究。因此，如何在嘈杂的真实传感数据中实现精确建模、优化端到端控制以及实现多车交互式决策，成为自主竞速面临的关键挑战。

研究内容与意义

为应对上述挑战，研究人员提出了Apex——一种受人类多模态能力启发的多模态具身智能体。Apex集成并协调多模态感知、多模态学习和多模态任务执行，在极端速度、高强度加速和轮胎力近饱和的高性能竞速环境中有效运作。该系统算法部署于一辆真实的超级方程式赛车上，并利用了从阿布扎比亚斯码头F1赛道采集的真实世界数据。实验结果表明，Apex在单圈计时赛中将圈速降低了15%，在多车攻防场景中达到了81%的成功率，全面超越了现有最先进的系统。这项工作不仅证明了多模态具身智能在掌握物理极限方面的变革潜力，也为高性能机器人系统的更广泛应用奠定了基础。

关键技术方法

研究人员采用以下关键技术方法开展研究：

1. 1.
   物理信息神经网络（PINN）增强感知：将真实赛车数据与基于物理定律的先验知识相结合，实现对车辆隐式状态（如各轮胎垂直载荷、温度系数等）的实时估计，并提升对噪声信号的滤波能力。
2. 2.
   物理信息约束强化学习（PICRL）：将PINN动力学模型与约束马尔可夫决策过程（CMDP）结合，通过拉格朗日乘子法在奖励函数中引入动作代价和熵约束，引导策略在满足动态约束的前提下探索最优控制动作。
3. 3.
   模仿学习驱动的交互式决策：将多车竞速中的攻防机动表述为一个条件化联合预测与规划问题，利用最大熵逆强化学习方法，以专家演示为参照，生成具有预测意识的参考轨迹，用于后续的安全RL决策。
4. 4.
   混合交互策略：在训练初期和低速状态下，结合比例纵向和横向控制器辅助探索，确保重放缓冲区积累有效经验；测试时则主要由学习到的策略控制，仅在长尾区域启用备用控制器以保证安全性。

研究结果

2.1 PINN增强的整体态势感知

通过将PINN的轨迹预测与纯数据驱动方法（如全连接网络FCN和门控循环单元GRU）进行比较，研究发现PINN在全圈累计误差上显著更低，保持在200毫米以内。在前50秒内，PINN的累计误差仅为FCN的4.3%、GRU的3.3%。对于无法直接由车载传感器检测但对动态控制至关重要的状态（如各轮胎垂直载荷），PINN实现了实时推断。此外，PINN还能从原始数据中推断出影响轮胎刚度和摩擦力的前后轮温度系数。在横向加速度估计方面，PINN的滤波性能始终优于其他方法，其物理误差分布集中在零附近，峰值概率密度达0.37，皮尔逊相关系数达到0.84，是第二名FCN（0.26）的三倍以上，表明PINN有效学习了基于物理的规律。

2.2 基于强化学习的端到端控制

在单辆车计时赛任务中，通过50圈的对比实验，Apex方法取得了最快的平均圈速（105.81±0.18秒），显著优于行为克隆（BC）、软演员-评论家（SAC）和安全强化学习（SRL）等方法。速度曲线显示Apex展现出更平滑、更一致的速度管理，在高速度段波动极小。纵向和横向加速度分布散点图表明Apex实现了平衡的加速度控制，在高速区域也有可控的散布。在特定赛道区段的详细指标分析中，Apex始终保持较低的滑移率和均衡的加速度剖面，即使在需要快速方向变化的区域也能稳定控制，展现了出色的适应性和稳定性。

2.3 交互感知的预测性决策

在多车竞速实验中，所有赛车被设置为相同的物理能力水平，性能差异仅源于攻防策略。研究人员收集了4435个样本用于模型训练，其中攻击样本占34.8%，防御样本占65.2%。通过准确的轨迹预测，可以基于道路结构规划出有效的自我车辆攻防轨迹。所提出的策略在攻击和防守上的成功率分别达到81.08%和81.48%，而模仿学习方法AD-MTP的成功率约低5%，规则驱动的方法落后超过30%，最小曲率轨迹规划方法（MCTP）的成功率仅为21.7%（攻击）和27.63%（防御）。在具体场景中，该策略能在发夹弯前减速切入内线以获得更早出弯加速，完成超车；而在较缓的直角弯中，则优先最大化过弯速度，虽走外线但凭借更高车速保持竞争位置。速度变化和滑移率分析进一步证实了该策略在利用轮胎抓地力和过弯性能上的优势。

讨论总结与结论

实验结果有力证明了Apex作为多模态具身智能体的可行性与优越性。Apex通过无缝集成多模态感知、学习和跨域任务执行能力，在单辆和多车竞速场景中均展现出全面性能，持续优于最先进的智能体。其卓越性能源于多模态组件的协同整合，而非单一模块或模态的孤立能力。值得注意的是，Apex的通用框架可扩展至更广泛的复杂现实世界挑战，如灾难响应机器人、自主飞行器或工业自动化等领域。

本研究的一个局限性在于Apex适应新赛道的数据效率。人类车手只需几圈就能适应陌生环境，而Apex目前缺乏少样本学习能力，需要大量数据来训练每个组件以适应新环境。未来可通过引入元学习或迁移学习等机制来解决这一问题。

研究结论：通过协调多模态感知、学习和任务执行，Apex展示了多模态具身智能对于自主赛车在极端物理和计算条件下有效运行的必要性。这种协同作用使Apex能够动态适应、保持稳定，并在需要瞬间反应的场景中做出精准的实时决策。Apex将多模态组件整合成连贯高效框架的能力，突显了具身智能在应对高风险、动态挑战方面的变革潜力。这项研究为自主竞速及其他高性能机器人领域的未来发展奠定了基础。