在实时约束下弥合自动驾驶赛车的模拟到现实差距

自主赛车在高速、紧稳定性裕度和严格的实时约束等极端条件下运行，这使其成为模拟到现实（sim-to-real）差距的典型暴露平台。尽管仿真在开发过程中不可或缺，但控制器在仿真中表现优异时，常常由于动力学不匹配、估计延迟和执行层延迟的相互作用，在实际物理平台上性能急剧下降。这一问题在自主赛车领域尤为严峻，因为任何微小偏差都可能导致严重事故。

为了系统性解决这一问题，本文首次将自主赛车中的模拟到现实迁移作为一个全栈实时系统问题来构建。作者引入了一个结构化的三层视角，即物理层、计算层和执行层，用以分析不匹配如何通过闭环反馈传播和放大。物理层关注动力学模型与实际车辆行为的差异，计算层处理算法与估计误差，执行层则考虑底层硬件与控制指令的延迟。这三层相互耦合，共同导致仿真与现实的鸿沟。

在诊断方面，作者提出了超越传统单圈时间的指标，包括性能翻转（即仿真中表现好的控制器在现实中表现差）、稳定性导向度量、对延迟和噪声的敏感性，以及延迟分布特征。这些指标能够更全面地揭示系统弱点。例如，性能翻转指标可以直接指出哪些在仿真中看似优秀的策略在实际中会失败，从而指导设计者重新评估控制方案。稳定性度量则帮助定量分析系统在极限条件下的鲁棒性，而延迟敏感性分析则揭示了时间约束对控制性能的具体影响。

此外，从部署导向的角度综合了缓解策略，强调执行感知和延迟感知设计，例如在控制器设计中显式考虑执行延迟，或采用鲁棒控制方法。作者建议在控制循环中引入延迟补偿机制，并通过预测模型来预估执行层的非确定性。同时，他们提出了一套基准测试指南，包括在计算和时序约束下的标准化评估方法，确保不同研究之间的可重复性和公平性。该框架阐明了跨层故障机制，为接近动态极限运行的部署式自主赛车系统提供了实用设计原则。该论文已被2026年IEEE第104届车辆技术会议（VTC2026-Fall）接收，共6页，包含2张图和3张表。