A Model Predictive Control Framework for Assisted Vehicle Drifting

📄 arXiv: 2607.15117v1 📥 PDF

作者: Marco Cortese, Antonio Gallina, Matteo Grandin, Giovanni Righetti, Mattia Bruschetta, Basilio Lenzo

分类: eess.SY

发布日期: 2026-07-16

💡 一句话要点

提出非线性模型预测控制框架以解决辅助车辆漂移问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 模型预测控制 辅助驾驶 车辆漂移 非线性控制 高保真模拟

📋 核心要点

  1. 现有的辅助漂移方法依赖于严格的假设，限制了其对普通驾驶员的适用性，难以实现广泛应用。
  2. 本文提出了一种非线性模型预测控制框架，通过解耦驾驶员指令与执行器输入，增强了驾驶员的控制体验。
  3. 高保真模拟结果表明，该框架能够有效稳定漂移动作，即使在驾驶员不断变化侧滑参考的情况下。

📝 摘要（中文）

模型预测控制（MPC）已广泛应用于自主车辆漂移，但辅助漂移的研究相对较少。现有方法通常依赖于一些限制性假设，如预计算的漂移平衡、完全的执行权或先前路径知识，这限制了其对非专业驾驶员的适用性。本文提出了一种针对后驱车辆的非线性模型预测控制（NMPC）框架，通过线控转向和线控驱动接口，解耦驾驶员指令与直接执行器输入，使驾驶员能够通过方向盘调节期望的侧滑，同时NMPC保持车辆稳定。专门的激活逻辑确保控制器仅在驾驶员有意图时才会介入。高保真模拟表明，所提出的架构能够在驾驶员持续变化侧滑参考的情况下，使用简单的单轨预测模型和基本的轮胎动力学来稳定漂移动作。

🔬 方法详解

问题定义：本文旨在解决辅助车辆漂移中的控制问题，现有方法往往依赖于严格的假设，限制了普通驾驶员的使用。

核心思路：提出的NMPC框架通过解耦驾驶员指令与执行器输入，使驾驶员能够灵活调节侧滑，同时保持车辆稳定性。

技术框架：整体架构包括线控转向和线控驱动接口，控制器根据驾驶员的意图进行激活，并通过单轨预测模型进行车辆状态预测和控制。

关键创新：该研究的主要创新在于引入了专门的激活逻辑，确保控制器仅在驾驶员有意图时介入，从而提升了驾驶的安全性和可控性。

关键设计：设计中使用了简单的单轨模型和基本的轮胎动力学，确保了控制的实时性和有效性，同时保持了系统的灵活性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，所提出的NMPC框架在高保真模拟中能够有效稳定漂移动作，且在驾驶员持续变化侧滑参考的情况下，仍能保持良好的控制性能，显著提升了车辆的操控稳定性。

🎯 应用场景

该研究的潜在应用领域包括高性能汽车的驾驶辅助系统、赛车模拟器以及自动驾驶技术的开发。通过提升普通驾驶员的漂移控制能力，该框架有望在赛车和娱乐驾驶中提供更安全的体验，并推动相关技术的进步。

📄 摘要（原文）

Model Predictive Control (MPC) has been widely applied to autonomous vehicle drifting. Assisted drifting, that is where the driver remains in the loop, is still comparatively underexplored. Existing approaches often rely on restrictive assumptions, such as precomputed drift equilibria, full actuation authority, or prior path knowledge, which limit applicability to expert drivers. This paper proposes a nonlinear model predictive control (NMPC) framework for assisted drifting on a rear-wheel-drive vehicle. Through steer-by-wire and drive-by-wire interfaces, the controller decouples driver commands from direct actuator inputs, allowing the driver to regulate the desired sideslip through the steering wheel while the NMPC maintains vehicle stability. A dedicated activation logic ensures that the controller engages only under deliberate driver intent. High-fidelity simulations show that the proposed architecture can stabilize drifting maneuvers using a simple single-track prediction model with basic tire dynamics, even when the sideslip reference is continuously varied by the driver.