很难忘记第一次坐在第一排看赛车比赛的感觉，

不仅仅是轰鸣声，更是那种速度与激情的震撼。以至于看完以后热血沸腾，

直接去隔壁小赛场跑了几圈，人不多，直接踩到底，直到最后一个发夹弯被人超了车，

自此充分认识到自己的手速与敏捷。

那么话说回来，我做不到的事情不代表AI机器人做不到（重新燃起希望！

最近A2RL（阿布扎比自动驾驶赛车联赛）终于完赛，没错，就是那个近似IAC (印第安纳波利斯自动驾驶挑战赛)的比赛。

A2RL 车队赛车在起跑线列队。共有 8 辆赛车，每辆都拥有独特多彩的涂装。实体 A2RL 赛车在阿联酋阿布扎比的亚斯码头赛道起跑线列队。图片来源：SpacesuitMedia

刷了下社媒的评论，基本水花不大，热度不及F1的1/5，有点小众，属于AI领域的F1？

2024年4月举办S1，在阿联酋阿布扎比的亚斯码头赛道（全长 5.281km），中规中矩吧，

和IAC一样，有虚拟和实体两个赛道，然而A2RL可以接受二选一，IAC不可。

今年S2有一场自动驾驶和前F1赛车手丹尼尔・科维亚特PK，

他的最快单圈成绩为 57.57 秒，

而本届冠军慕尼黑工业大学车队（TUM）的自动驾驶赛车HAILEY，最快单圈为 59.15 秒 ，

两者相差1.58秒。而这个差距在S1还是10.38秒，氮气加速开大是叭（bushi,ik F1禁氮

A2RL官宣

两家用的车都是Dallara EAV25，

EAV25

Super Formula SF-23 底盘，用的亚麻+碳纤复合材料，550马力的本田 K20C1 2.0T 直列四缸涡轮增压发动机，6 速序列式变速箱，赛车配置基础，但算法策略不基础呐。

（如果是配色风格的话，我可能更喜欢IAC~

IAC 2024

从A2RL S1-S2，10秒刷的固然有算法优势，但喜欢赛车的都明白，

出圈不仅仅在于基础配置，还有策略心态和圈速节奏。

跑圈优势对比，人在反应速度和极限状态下的微调能力，AI在于稳定性和精确执行预设路线。

AI 在超车和防守策略上的保守性，高速弯道中对轮胎极限利用的保守程度，

以及进站换胎的优化空间，相比之下，人要想守住核心优势，真的要研究策略。

我研究了下TUM自研的AI驾驶算法，发了论文也公开部分算法。

dd了下这个TUM，有点东西，IAC他们也是冠军（或者前三）车队（属于AI赛车手专业户

先上Github，内容非常丰富，值得一看。

github.com/TUMFTM

比如之前TUM打IAC，基于Indy Autonomous Challenge开发的完整自主赛车软件栈。

TUM autonomous motorsport: An autonomous racing software for the Indy Autonomous Challenge

doi.org/10.48550/arXiv.2205.15979

基于高速自动驾驶赛车的多模态传感器融合与目标跟踪方法

Multi-Modal Sensor Fusion and Object Tracking for Autonomous Racing

DOI: 10.1109/TIV.2023.3271624

轨迹规划算法研究，基于2000个场景。

An ethical trajectory planning algorithm for autonomous vehicles

doi.org/10.1038/s42256-022-00607-z

后续可以关注TUM的官宣页，

ce.cit.tum.de/air/research/

期待AI赛车手正式超越F1赛车手的那天：)

参考

A2RL autonomous racecars take to the track in Abu Dhabi

Abu Dhabi’s A2RL makes racing history with AI-driven competition

World First: Autonomous Racing Leaps Forward in Abu Dhabi as A2RL Season 2 Showcases Record Speed, Bold Overtakes and Real-Time AI Decision-Making