論文の概要: Vehicle Drift Emergence: Continuous Evolution from Grip Driving to the Handling Limit via Boundary Exploration Learning Model Predictive Control

• arxiv url: http://arxiv.org/abs/2608.28723v1
• Date: Fri, 28 Aug 2026 15:41:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 13:20:43.211446
• Title: Vehicle Drift Emergence: Continuous Evolution from Grip Driving to the Handling Limit via Boundary Exploration Learning Model Predictive Control
• Title（参考訳）: 車両ドリフトの創発:境界探索学習モデル予測制御によるグリップ運転からハンドリング限界への継続的な進化
• Abstract要約: 自動ドリフトコントローラは、通常、所定のドリフト平衡、サイドリップ基準、または軌道を追跡する。 本稿では、繰り返しラップタイム最小化タスクにおけるドリフトの出現を定義し、コントローラの目標も報酬も明示的なドリフト基準も含まない。
• 参考スコア（独自算出の注目度）: 21.293085209143058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated drift controllers commonly track a prescribed drift equilibrium, sideslip reference, or trajectory. These formulations establish how to execute drift, whereas the continuous transition from grip driving to drift near the handling limit remains unresolved. This paper defines drift emergence in a repetitive lap time minimization task, where neither the controller objective nor the reward contains an explicit drift reference. A boundary exploration learning model predictive controller (BE-LMPC) constructs an empirical safe set and a locally shifted terminal cost from completed laps. By iteratively improving spatial speed allocation under a fixed global speed bound, the controller progressively explores larger sideslip and yaw rate envelopes while preserving recoverability. As lap performance improves, sustained sideslip and pronounced yaw motion emerge while the rear axle approaches saturation. Analysis shows that, when external conditions vary smoothly, the transition from tire adhesion to sliding does not itself cause abrupt changes in tire force or vehicle state. The combined-slip Fiala model satisfies this continuity condition at the transition. At a tire road friction coefficient of 0.6, lap time decreases from 49.95 s on Lap~3 to 25.50 s on Lap~12, with drift first emerging on Lap~11. Lap~12 reaches 16.5$^\circ$ sideslip and 0.894 rear axle utilization. In contrast, no drift is detected for friction coefficients from 0.8 to 1.2; at 1.2, a similar peak speed is achieved with only 0.483 rear axle utilization. These results characterize drift as a conditional continuation of limit handling that emerges when increasing performance demand approaches the available tire capacity, rather than as a separately prescribed motion mode.
• Abstract（参考訳）: 自動ドリフトコントローラは、通常、所定のドリフト平衡、サイドリップ基準、または軌道を追跡する。 これらの定式化はドリフトの実行方法を確立するが、グリップ駆動からハンドリング限界付近でのドリフトへの連続的な遷移は未解決のままである。 本稿では、繰り返しラップタイム最小化タスクにおけるドリフトの出現を定義し、コントローラの目標も報酬も明示的なドリフト基準も含まない。 境界探索学習モデル予測コントローラ(BE-LMPC)は、実験的な安全なセットと、完了したラップから局所的に移行した端末コストを構築する。 固定された大域的速度境界の下で空間速度割り当てを反復的に改善することにより、制御器は、回復性を維持しながら、より大きなサイドリップとヨーレートのエンベロープを徐々に探索する。 ラップ性能が向上するにつれて、後部軸が飽和に近づいている間に、持続したサイドリップと発音されたヨーモーションが出現する。 解析によれば、外部条件が滑らかに変化すると、タイヤ接着からスライディングへの遷移がタイヤ力や車両状態の急激な変化を引き起こすわけではない。 複合すべりフィアラモデルはこの遷移における連続性条件を満たす。 0.6のタイヤ道路摩擦係数では、ラップタイムはLap~3で49.95秒からLap~12で25.50秒に減少し、Lap~11で最初にドリフトが発生する。 Lap~12は16.5$^\circ$ sidelipおよび0.894後方軸利用に達する。 対照的に、0.8から1.2までの摩擦係数に対してドリフトは検出されず、1.2では同様のピーク速度が0.483後方軸利用で達成される。 これらの結果は、ドリフトを、個別に所定の動作モードとしてではなく、使用可能なタイヤ容量に近づくと発生する制限ハンドリングの条件付き継続として特徴付ける。

関連論文リスト

• muSync-GS: Physics-Synchronized Driving Video Synthesis for Weather and Geometric Road Hazards [8.411603210370858]
  muSync-GSは物理同期フレームワークで、悪天候や道路上の危険下でビデオ合成を駆動する。 キャリブレーションされた車両モデルは、エゴカメラ軌道と同期物理アノテーションを構築するための速度、スリップ比、正常荷重、ピッチを予測する。
  論文  参考訳（メタデータ） (2026-08-05T03:47:18Z)
• 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)
• DART: Dual-Axis Airborne Reachability-Gated Torque-Reaction for Off-Road Vehicle Jumps [6.974843678661681]
  航空機の位相は1383kgのプラットフォーム上でほとんど制御できないことを示す。 この方向の予算を超えるピッチレートの障害は、飛行中に物理的に発見できない。 DART(Dual-Axis Airborne Reachability-Gated Torque-Reaction)は、着陸制約を認証可能なテイクオフセットにバックプロパゲーションする。
  論文  参考訳（メタデータ） (2026-07-31T04:25:51Z)
• Drifting in the Future: Stabilizing Path Following Drifting on High-Latency Vehicle Systems [6.355446464457206]
  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。
  論文  参考訳（メタデータ） (2026-06-26T10:05:30Z)
• Drift-Resistant Navigation World Model with Anchored Epipolar Guidance [81.52175010905665]
  本稿では,従来のロールアウト型ナビゲーションワールドモデルにおいて,知覚的ドリフトと幾何学的ドリフトの両方を緩和する生成モデルであるDrift-Resistant Navigation World Modelを提案する。 まず、安定な長距離ターゲットとして機能するスパース未来のアンカーを予測し、その後、過去のコンテキストと将来のアンカーの両方で条件付けられた各チャンク内で中間フレームを生成する。 4つのベンチマークの実験では、長期の視覚的品質、幾何的一貫性、多視点コヒーレンスにおいて、強いベースラインよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-05-23T22:47:33Z)
• Autonomous Vehicle Collision Avoidance With Racing Parameterized Deep Reinforcement Learning [73.88859384645264]
  道路交通事故は世界中の交通事故の主な原因である。 米国では、人間のエラーが94%のクラッシュを引き起こし、7000人以上の歩行者が死亡し、年間500億ドルのコストがかかる。 本稿では,Dreep Reinforcement Learning (DRL) 衝突回避政策のアウト・オブ・ディストリビューションをパラメータ化する。 2つのポリシーが評価され、デフォルトのユニディレクションと、他の車と反対方向にナビゲートする逆方向のバリエーションが評価される。
  論文  参考訳（メタデータ） (2026-04-17T21:11:39Z)
• Spatially-Aware Adaptive Trajectory Optimization with Controller-Guided Feedback for Autonomous Racing [74.83272587893508]
  本稿では,NURBSに基づく軌道表現,CMA-ESグローバル軌道最適化,コントローラ誘導空間フィードバックを組み合わせた自律レースライン最適化フレームワークを提案する。 シミュレーションでは,最大静的加速度をパラメータ化したコントローラと比較して17.38%のラップタイム短縮を実現している。 高摩擦から低摩擦まで様々なタイヤ化合物で試験された実ハードウェアでは、摩擦を明示的にパラメータ化することなく、7.60%のラップタイムの改善が得られる。
  論文  参考訳（メタデータ） (2026-02-17T15:10:44Z)
• 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)
• 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)
• 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)

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。