先讲结论
以往自驾车为了做到即时运算，极度简化车辆模型
由于车速远离操控极限，简单model(例如假设轮胎为线性)加上适当补偿修正机制即可
但这篇研究却有办法发展在自驾车在极限下操控的策略方法
而且从验证来看，车辆动态轨迹非常精确，证明策略发展得当
论文：
Toward Automated Vehicle Control Beyond the Stability Limits: Drifting Along
a General Path
发表刊物：ASME(美国机械工程师学会)
Journal of Dynamic Systems, Measurement, and Control的刊物
可以下载全文PDF
https://reurl.cc/qDj93g
[车辆模型]
看起来是采用简化的bicycle model(左右轮合并，只有前后轮)
https://i.imgur.com/NnlxHzx.jpg
定义ψ为车辆速度绝对方向(相对地图上坐标系)
ψ角速度则是受到sideslip(车身侧滑角)的角速度跟yaw rate(横摆角速度)影响
不过要做到这么精确的路线控制，应该不只有bicycle model这么简单
内外轮还要做修正 (也不确定是采用阿克曼转向、平行转向或逆阿克曼转向)
轮胎力：
前轮侧向力Fyf、后轮侧向力Fyr、后轮纵向力Fxr (x为纵向、y为侧向)
前轮模型：
用Fiala brush tire model 而非采用较复杂的轮胎模型(如Magic formula model)
大略估计出轮胎触地的摩擦系数，重点是要能"即时运算"
https://i.imgur.com/pHkop7k.jpg
后轮模型：
完全打滑的状况，假设isotropic friction
[车辆控制发展]
这部份我比较不熟
大致是用上Imposed Error Dynamics和Nonlinear Model Inversion回授
整车控制的架构
https://i.imgur.com/6b93ywr.jpg
[轮速动态和控制]
主要是后轮驱动力要够大，让后轮失去抓地力才能触发甩尾
后轮的合力与分力
https://i.imgur.com/qZTBDpG.jpg
比起Thrust angle，轮胎纵向力对轮胎侧向力与轮胎正向力*摩擦系数有更高敏感度
https://i.imgur.com/DZXNMi2.jpg
Thrust angle
https://i.imgur.com/gZHsMsQ.jpg
利用增加后轮纵向力(驱动力)，让车轮合力超过摩擦圆进而打滑甩尾
[实验验证]
最后就是改装车子进行验证啦
之所以在后轴改装上大扭力的电机，正好呼应了利用后轮驱动力来引发甩尾的机制
线控转向系统要满足方向盘从左打死点到右打死点要在1秒内完成
十分仰赖线控马达控制，不晓得是用colume type, pinion type还是rack type
(我猜是rack type啦，毕竟要快速响应+低延迟)
An Oxford Technical Systems RT4003 dual-antenna integrated RTK-GPS/IMU is used
to obtain vehicle state information at 250 Hz. The controller is implemented
on a dSpace MicroAutoBoxII (DS1401) computer that also runs at 250 Hz, and
interfaces with the steering, throttle, and navigation subsystems.
整车控制器采250 Hz，也就是要每4 ms一次的即时运算车辆动态
这频率订的满合理的
另外也用上dSpace(Model-Based Design)
现阶段做自驾车或控制策略发展甚至HIL满多都是透过dSpace
※ 引述《Scape (缺钙缺很大)》之铭言：
: 影片：
: https://youtu.be/3x3SqeSdrAE
: 团队解说影片：
: https://youtu.be/tradNtWvPS4
: 这辆DMC-12 被美国史丹佛大学Dynamic Design Lab 拿来改装成无人驾驶车
: 然后设定路径好，就开甩啦~
: 然后把他叫做MARTYkhana，这是要去参加Gymkhana 比赛吗？ XD
: 未来在赛车场上或许也会出现自驾车与人类驾驶一同参赛的画面