真实冬季驾驶场景中用于碰撞避免的涌现自主漂移技术
本研究探索在真实冬季驾驶条件下，漂移何时可能成为安全最优选择。团队提出一种具备漂移能力的非线性模型预测控制（MPC）系统，基于碰撞致死数据设计场景，并在高保真模拟器中测试。控制器能在后轮遇到冰面时自然启动并维持漂移以保持道路，或避开滑入车道的对向车辆。与基准电子稳定控制（ESC）系统对比显示，漂移控制器可在危险冬季驾驶场景中通过稳定性与可控性的权衡实现精确操控。蒙特卡洛研究进一步表明，该控制器在多个速度下实现更低的车道误差中位数，且漂移主要在高速度时涌现。
研究人员近日在arXiv上发表了一项引人注目的研究，探索在真实冬季驾驶条件下，车辆主动漂移是否能在碰撞避免中发挥关键作用。这项题为“Emergent Autonomous Drifting for Collision Avoidance in Real-World Winter Driving Scenarios”的工作由Elliot Weiss等人完成，已被IEEE ITSC 2026会议接收。研究团队开发了一套具备漂移能力的非线性模型预测控制（MPC）系统，并基于真实碰撞致死数据设计了测试场景，旨在回答在真实冬季驾驶条件下，何时以及是否漂移可能是安全最优的选择。
在高保真模拟器中，该系统在两种典型危险情景下展示了卓越性能。当车辆后轮碾过冰面时，控制器自然地启动并维持漂移，使车辆保持在道路内；面对因打滑而侵入本车车道的对向车辆时，控制器同样通过漂移动作成功规避碰撞。这些结果首次在基于真实事故的场景中验证了漂移的实用价值，表明漂移不是一种特技，而是一种在极限条件下可行的安全策略。
研究团队将所提出的控制器与当前广泛使用的电子稳定控制（ESC）系统进行了对比。ESC系统旨在通过制动和动力分配极大化车辆稳定性，但在冰雪路面上可能会过于保守，导致车辆无法避开障碍物。漂移控制器则能够牺牲一定横向稳定性，换取更强的可控性，从而在冰雪路面上实现更精确的机动。蒙特卡洛模拟进一步量化了这一优势：在不同速度下，漂移控制器的车道误差中位数均低于ESC，且漂移行为主要在高行驶速度时涌现。这意味着在低速时，传统控制可能足够，但在高速极限情况下，允许有意地让车辆侧滑反而能提升整体安全性。
这项研究的核心意义在于，它打破了传统安全系统一味追求稳定性的范式，表明在某些极限情况下，允许并利用车轮滑移（即漂移）反而能提升安全性。这对于未来自动驾驶系统在恶劣天气下的决策策略具有重要启示。研究人员指出，下一步将致力于在实际车辆平台上验证这一控制策略，并探索如何将这种能力集成到量产车的安全系统中。