基于学习轮胎模型以3分钟数据实现自主漂移

在附着极限附近，轮胎产生的力是非线性且复杂耦合的。该区域的高效准确建模可提升安全性，尤其在需要高力的紧急状况中。为此，我们提出一类基于神经常微分方程与neural-ExpTanh参数化的新颖轮胎力模型。这些模型旨在满足具有物理洞察的假设，同时具备足够保真度以直接从车辆状态测量中捕捉高阶效应。它们被用作现有非线性模型预测控制框架中解析刷式轮胎模型的即插即用替代。基于定制丰田Supra的实验表明，极少驾驶数据——不足三分钟——便足以在各种轨迹上实现高达45mph速度的高性能自主漂移。与基准模型对比显示跟踪性能提升$4 \times$，控制输入更平滑，且计算时间更快、更一致。