真實冬季駕駛場景中用於碰撞避免的湧現自主漂移技術
本研究探索在真實冬季駕駛條件下，漂移何時可能成為安全最優選擇。團隊提出一種具備漂移能力的非線性模型預測控制（MPC）系統，基於碰撞致死資料設計場景，並在高保真模擬器中測試。控制器能在後輪遇到冰面時自然啟動並維持漂移以保持道路，或避開滑入車道的對向車輛。與基準電子穩定控制（ESC）系統對比顯示，漂移控制器可在危險冬季駕駛場景中透過穩定性與可控性的權衡實現精確操控。蒙特卡洛研究進一步表明，該控制器在多個速度下實現更低的車道誤差中位數，且漂移主要在高速度時湧現。
研究人員近日在arXiv上發表了一項引人注目的研究，探索在真實冬季駕駛條件下，車輛主動漂移是否能在碰撞避免中發揮關鍵作用。這項題為“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會議接收。研究團隊開發了一套具備漂移能力的非線性模型預測控制（MPC）系統，並基於真實碰撞致死資料設計了測試場景，旨在回答在真實冬季駕駛條件下，何時以及是否漂移可能是安全最優的選擇。
在高保真模擬器中，該系統在兩種典型危險情景下展示了卓越效能。當車輛後輪碾過冰面時，控制器自然地啟動並維持漂移，使車輛保持在道路內；面對因打滑而侵入本車車道的對向車輛時，控制器同樣透過漂移動作成功規避碰撞。這些結果首次在基於真實事故的場景中驗證了漂移的實用價值，表明漂移不是一種特技，而是一種在極限條件下可行的安全策略。
研究團隊將所提出的控制器與當前廣泛使用的電子穩定控制（ESC）系統進行了對比。ESC系統旨在透過制動和動力分配極大化車輛穩定性，但在冰雪路面上可能會過於保守，導致車輛無法避開障礙物。漂移控制器則能夠犧牲一定橫向穩定性，換取更強的可控性，從而在冰雪路面上實現更精確的機動。蒙特卡洛模擬進一步量化了這一優勢：在不同速度下，漂移控制器的車道誤差中位數均低於ESC，且漂移行為主要在高行駛速度時湧現。這意味著在低速時，傳統控制可能足夠，但在高速極限情況下，允許有意地讓車輛側滑反而能提升整體安全性。
這項研究的核心意義在於，它打破了傳統安全系統一味追求穩定性的正規化，表明在某些極限情況下，允許並利用車輪滑移（即漂移）反而能提升安全性。這對於未來自動駕駛系統在惡劣天氣下的決策策略具有重要啟示。研究人員指出，下一步將致力於在實際車輛平臺上驗證這一控制策略，並探索如何將這種能力整合到量產車的安全系統中。