論文の概要: Drifting in the Future: Stabilizing Path Following Drifting on High-Latency Vehicle Systems

• arxiv url: http://arxiv.org/abs/2606.27914v1
• Date: Fri, 26 Jun 2026 10:05:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.448553
• Title: Drifting in the Future: Stabilizing Path Following Drifting on High-Latency Vehicle Systems
• Title（参考訳）: 未来のドリフト:高速車載システムにおけるドリフト後の安定化経路
• Abstract要約: 本稿では,コントローラフレームワーク,モデル拡張,実世界の実験結果について述べる。 本稿では, 燃焼機関を搭載したスポーツカーが, 横方向の誤差を1.1mに制限し, サイドリップオーバーシュートを0.06radに制限し, アクチュエータの遅延が250msを超えるにもかかわらず, 軸方向のドリフトとフィギュア8のドリフトを安定に維持できることを観察する。 以上の結果から,従来型の制御が失敗するシナリオにおいて,車両の安定化が可能な高度安全システムへの道を開くことにより,自動ドリフトの実現が可能であることが確認された。
• 参考スコア（独自算出の注目度）: 6.355446464457206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomously controlling and handling a vehicle at and beyond its stability limit is a mathematically and computationally demanding task. Prior demonstrations of automated drifting have been limited to research platforms with instantaneous torque delivery and independently actuated wheels, leaving their applicability to production vehicles with actuator latencies and mechanically coupled axles uncertain. To overcome these issues, we design a predictor to compensate for powertrain delays, develop a revised control formulation to accommodate higher actuation latencies as well as a differential coupling on the driven axle, and introduce brake-based velocity stabilization. This paper presents the controller framework, the model extensions, and real-world experimental results. We observe that our controller enables a production sports car with a combustion engine to robustly sustain circular and figure-eight drifts, limiting lateral error to 1.1 m and sideslip overshoot to 0.06 rad despite actuator delays exceeding 250 ms, while mitigating oscillations and maintaining stable path and sideslip tracking. In conclusion, our results establish that autonomous drifting is feasible on production-ready vehicles, opening pathways to advanced safety systems capable of stabilizing cars in scenarios where traditional control fails.
• Abstract（参考訳）: 安定性の限界を超えて自律的に車両を制御および処理することは、数学的かつ計算的に要求されるタスクである。 自動ドリフトの以前のデモンストレーションは、瞬時にトルクを伝達し、独立に駆動する車輪を持つ研究プラットフォームに限られており、アクチュエータのレイテンシと機械的に結合された軸が不確実な生産車両に適用可能である。 これらの問題を克服するため、パワートレイン遅延を補償する予測器を設計し、駆動軸上での差動結合だけでなく、より高い動作遅延に対応するための制御式を改良し、ブレーキによる速度安定化を導入する。 本稿では,コントローラフレームワーク,モデル拡張,実世界の実験結果について述べる。 制御器は, 振動を緩和し, 安定経路と横方向のトラッキングを維持しつつ, 横方向の誤差を1.1m, 横方向のオーバーシュートを250msを超えるアクチュエータ遅れにもかかわらず0.06radに制限し, 燃焼機関付きスポーツカーが円周および横方向のドリフトを安定に維持できることを示した。 以上の結果から,従来型の制御が失敗するシナリオにおいて,車両の安定化が可能な高度安全システムへの道を開くことにより,自動ドリフトの実現が可能であることが確認された。

関連論文リスト

• Stability Control for Real World Testing in Autonomous Racing [4.542902590888213]
  本稿では,自律運転における動作制御アルゴリズムの保護を目的とした総合的安定性制御システムを提案する。 提案システムは電子安定制御(ESC)、スリップ制御(SC)、カウンターステアシステム(CS)からなる。 実世界のフルスケール車両でシミュレーションと実験を行い,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2026-08-18T13:41:56Z)
• A Neural Network Based Teleoperation for Remote Controlled Vehicles [98.38733381483934]
  車両の直接遠隔操作は重要な技術的ボトルネックに直面している。 通信遅延とオペレーターの 物理的に知覚できない 未モデル化の環境障害。 本稿では,一方的な遠隔操作フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-11T01:51:08Z)
• Track-Guided Hierarchical Reinforcement Learning for Autonomous Vehicle Drifting with Minimum-Lap-Time Planning [57.68768189557651]
  フォーミュラ1では、ドライバーはタイヤグリップリミット内のレースラインを最適化し、ラップタイムを最小化する。 ラリーレースでは、ドライバーはゆるい表面をドリフトするために意図的にトラクションを壊します。 本稿では,MLTドリフトシナリオに特化して設計された計画制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-31T08:50:40Z)
• Steeringless Drifting: Differential-Torque Control of a Four-Wheel Independently Driven Vehicle [22.07104393992196]
  ステアリングフリーの4輪駆動車両は、ディファレンシャルホイールトルクを介して直接ヨーモーメントを生成することができる。 本稿では,そのような車両に対する差動トルクドリフト制御法を提案する。 提案手法は1:10スケールの車両のシミュレーションと実験により検証される。
  論文  参考訳（メタデータ） (2026-07-26T16:22:39Z)
• Emergent Autonomous Drifting for Collision Avoidance in Real-World Winter Driving Scenarios [0.3899855581265356]
  本稿では,事故死データに基づくシナリオを扱うために,ドリフト対応非線形モデル予測制御(MPC)システムを提案する。 コントローラーは、後方の軸に氷のパッチを打つ際に、自然にドリフト操作を開始し、道路に留まるように維持する。 モンテカルロによるランダムな氷のパッチに関する研究では、ドリフト可能な制御器は複数の速度でESCよりも低い中央値レーン誤差を達成している。
  論文  参考訳（メタデータ） (2026-07-21T18:05:19Z)
• Bench2Drive-Robust: Benchmarking Closed-Loop Autonomous Driving under Deployment Perturbations [122.22391796628408]
  Bench2Drive-Robustは、クローズドループのエンドツーエンド自動運転のための最初のデバイス中心の堅牢性ベンチマークである。 我々は,カメラストリーム障害,エゴ状態推定誤差,計算による制御遅延という3つの主要な原因から生じる展開指向の摂動を系統的に評価した。 以上の結果から,これらの展開に伴う摂動は閉ループ駆動性能を著しく低下させる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-05-18T08:45:24Z)
• Driver-WM: A Driver-Centric Traffic-Conditioned Latent World Model for In-Cabin Dynamics Rollout [55.19244743715421]
  Driver-WMは、ドライバー中心の潜在世界モデルで、アウトキャビンのトラフィックコンテキストを考慮に入れたインキャビンのダイナミクスをロールアウトする。 身体のキネマティクス予測を補助的な行動的・感情的意味認識と統合する。 ドライバ-WMは、反応性の高いハイモーション操作のための堅牢な長距離幾何学的予測を与える。
  論文  参考訳（メタデータ） (2026-05-06T16:30:48Z)
• First, Learn What You Don't Know: Active Information Gathering for Driving at the Limits of Handling [38.468291768795865]
  不安定なシステムでは、オンライン適応は信頼性の高い同時学習と制御を確保するのに十分ではないかもしれない。 車両の動力学をできるだけ早く識別するためのアクティブな情報収集フレームワークを提案する。 このフレームワークは安定性の限界において車両の信頼性の高い制御を可能にすることを示す。
  論文  参考訳（メタデータ） (2024-10-31T18:02:30Z)
• Reference-Free Formula Drift with Reinforcement Learning: From Driving Data to Tire Energy-Inspired, Real-World Policies [1.3499500088995464]
  リアルタイムドリフト戦略は、高価な軌道最適化を回避しながら、必要な場所に車を配置した。 本研究では,タイヤエネルギー吸収の概念に基づく強化学習エージェントを設計する。 トヨタ GR Supra と Lexus LC 500 の実験では、車体を63degのサイドスリップ角度まで安定して押しながら、追跡誤差を最大10cmに抑えながら、様々なウェイポイント構成でスムーズにドリフトできることが示されている。
  論文  参考訳（メタデータ） (2024-10-28T13:10:15Z)
• Pioneering SE(2)-Equivariant Trajectory Planning for Automated Driving [45.18582668677648]
  制御されたエゴ車両の軌道を計画することは、自動走行において重要な課題である。 本稿では,全車両に対して多モード共同予測を生成する軽量同変計画モデルを提案する。 また,車載GPSナビゲーションシステムによって提供される高水準経路に沿って,エゴ車両を誘導する等変経路アトラクションを提案する。
  論文  参考訳（メタデータ） (2024-03-17T18:53:46Z)
• A Tricycle Model to Accurately Control an Autonomous Racecar with Locked Differential [71.53284767149685]
  自動オープンホイールレースカーの側面力学に対するロックディファレンシャルの影響をモデル化するための新しい定式化を提案する。 本稿では,マイクロステップの離散化手法を用いて,動的に線形化し,実時間実装に適した予測を行う。
  論文  参考訳（メタデータ） (2023-12-22T16:29:55Z)
• Learning Terrain-Aware Kinodynamic Model for Autonomous Off-Road Rally Driving With Model Predictive Path Integral Control [4.23755398158039]
  本稿では,固有受容情報と外部受容情報の両方に基づいて,地形を考慮したキノダイナミクスモデルを学習する手法を提案する。 提案モデルでは、6自由度運動の信頼性予測が生成され、接触相互作用を推定することもできる。 シミュレーションされたオフロードトラック実験により提案手法の有効性を実証し,提案手法がベースラインより優れていることを示す。
  論文  参考訳（メタデータ） (2023-05-01T06:09:49Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• VAE-Loco: Versatile Quadruped Locomotion by Learning a Disentangled Gait Representation [78.92147339883137]
  本研究では,特定の歩行を構成する主要姿勢位相を捕捉する潜在空間を学習することにより,制御器のロバスト性を高めることが重要であることを示す。 本研究では,ドライブ信号マップの特定の特性が,歩幅,歩幅,立位などの歩行パラメータに直接関係していることを示す。 生成モデルを使用することで、障害の検出と緩和が容易になり、汎用的で堅牢な計画フレームワークを提供する。
  論文  参考訳（メタデータ） (2022-05-02T19:49:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。