想象一下这个场景:
冬夜,你以90公里时速行驶在一条没有路灯的国道上。前方弯道处,一辆对向货车突然打滑,车尾一摆,整个车身横着滑进了你的车道。
你下意识猛踩刹车、死攥方向盘——这是驾校教的"紧急避险"标准动作。
但如果这时候接管你方向盘的不是你自己,而是一套自动驾驶系统呢?
你可能会以为,系统会做出比人类更完美的反应:精准计算刹车距离、微调方向、稳稳避开。毕竟,AI 不会慌,不会踩错踏板,它的反应时间是以毫秒计算的。
但如果这套系统选择的方向是:主动让车尾甩出去,让整辆车以53度的侧滑角横着滑过路面呢?
这不是电影《头文字D》里的 stunt driving,这是丰田研究院最新论文里真实发生的自动驾驶决策。
你的车机正在做的"蠢事"
传统燃油车上的 ESP(电子稳定控制)理念非常简单:检测到车身要失控,就切断动力、给外侧车轮刹车,拼命把车拽回来。
这套逻辑在干燥路面上堪称完美,但在冰面上,它有一个致命的盲区。
冰面的摩擦系数大概只有干燥沥青的十分之一。当后轮先压上冰面时,车尾会向外侧滑出——专业术语叫"过度转向"。这时候 ESP 的第一反应是"快压住",于是猛收油门、给外侧前轮刹车,试图把车头掰回来。
但问题是:在冰面上,轮胎已经失去抓地力了。你越用力掰方向盘、越 aggressively 刹车,车身姿态反而越混乱。最后的结果经常是——车确实稳住了,但已经稳稳地横在了对向车道上。
这就像一个人快要摔倒时,你死死拽住他的胳膊不让他动。结果他下半身转了上半身没转,整个人劈了个叉。
丰田研究院的这篇论文 Emergent Autonomous Drifting for Collision Avoidance in Real-World Winter Driving Scenarios 要证明的,就是一件听起来很反常识的事:
在极端低摩擦条件下,"稳"不是最优解,"可控地失控"才是。
不是教它漂移,是让它自己"悟"出来的
这套系统的名字叫 drift-capable MPC controller,核心是一个非线性模型预测控制器。
用大白话解释:它每隔不到 0.1 秒就重新算一次未来 3 秒内的最优路径,方向盘角度、油门大小、前后刹车力度全部实时调整。
但和其他自动驾驶控制器最大的区别是:它没有任何一条规则是"不许漂移"或"要漂移"。
它的目标函数只写了三件事:
1. 尽量在车道中间开;
2. 尽量保持设定速度;
3. 别出事故,别撞对向车。
就这三个朴素到近乎简陋的目标,扔进仿真器里跑了一遍,结果系统自己"悟"出了漂移。
具体来说,当后轮压上冰面时,系统发现如果硬要维持"零侧滑"的姿态去修正路线,需要很大的方向盘角度,但轮胎没抓地力,方向打了也白打。反而如果"顺势"让车尾甩出去一点,用油门和反向方向盘控制甩出去的角度,车辆能用侧滑的横向力"铲"出一条新路线,而且横向偏差更小。
这不是人类程序员写进去的漂移技巧,而是物理约束下自然涌现出来的最优解。
论文里形容这个过程用了"emergent"这个词—— emergent 在复杂系统里是个重要概念,意思是系统没有显式地被编程去做某事,但行为却从底层规则里"冒"出来了。
就像蚁群没有设计师,但蚁穴的通风系统就是比人类工程师更高效。这里,自动驾驶没有漂移训练数据,但冰面条件让它自己选择了漂移。
两组数据的差距,就是生与死的距离
为了验证这个想法,作者们做了一组非常扎实的对比实验。
他们把控制器放到一个高保真仿真器里,模拟了三种真实世界中最常见的冬季致死车祸场景:
• S1:车辆在结冰弯道速度过快,需要减速过弯;
• S2:车辆压上隐藏的冰面,后轮突然失去抓地力;
• S3:对向车辆失控滑入本车道,需要紧急避让。
每个场景里,他们都放了一个传统 ESC 系统作为对照组,看看同样的冰面条件下,两套系统的表现差距。
在 S2 场景中,差距最触目惊心:
两辆车都压上了后轴冰面。ESC 控制的车辆立刻切断动力、疯狂制动外侧车轮,车身确实没有出现明显侧滑,但横向位置偏差达到了 1.6 米,几乎冲出了车道边缘。
而漂移型控制器呢?它在 0.5 秒内完成了一个教科书级的救车动作:先轻点刹车把重量转移到前轮,然后大油门配合反向方向盘,让车尾甩出去——侧滑角度最高达到 40 度,车速接近 55 mph(约 90 km/h),但横向偏差只有 37 厘米,稳稳地贴着车道右侧线滑了过去。
1.6 米 vs 0.37 米。这就是生与死的距离。
作者们还做了一个 Monte Carlo 随机实验:生成 100 组不同长度、不同位置的随机冰面,让两套系统以不同速度跑过去。
结果如下:
| 车速 |
系统 |
平均车道偏移 |
最大车道偏移 |
冲出车道次数 |
| 15 m/s (54 km/h) |
ESC |
2.3 cm |
16.2 cm |
0 |
| 15 m/s |
漂移 MPC |
0.4 cm |
12.6 cm |
0 |
| 20 m/s (72 km/h) |
ESC |
7.6 cm |
44.0 cm |
0 |
| 20 m/s |
漂移 MPC |
1.3 cm |
31.1 cm |
0 |
| 25 m/s (90 km/h) |
ESC |
27.0 cm |
117 cm |
7 次 |
| 25 m/s |
漂移 MPC |
6.7 cm |
84.7 cm |
3 次 |
数字很说明问题:低速时两者都安全,差距不大;但速度越快,差距越悬殊。到了 90 km/h,ESC 冲出车道的概率是漂移控制器的两倍多。
而且更关键的是——漂移控制器的"危险动作"其实是有上限的。在 100 次 90 km/h 的随机冰面测试里,它只有 3 次真的冲出了道路,而那 3 次的原因都是碰到了超长冰面(超过 14 米),系统在极限状态下"甩得太久",回不来了。其余 97 次,它都漂亮地完成了救车。
为什么"稳"反而更危险?
论文里有一个很精妙的物理直觉,值得展开说说。
车辆动力学里有一个经典概念:稳定性-可控性权衡(stability-controllability tradeoff)。
简单理解:一个系统可以设计得非常"稳定",但它对控制的响应就会变迟钝;反过来,如果系统允许一定的"不稳定",它对方向盘的响应反而更灵敏。
在冰面上,ESP 追求的是"绝不侧滑"——这听起来很对,但副作用是:当后轮失去抓地力时,ESP 为了压制侧滑,会大幅降低车速,同时减少方向盘对后轮的有效控制。结果是,车辆虽然没打转,但横向移动的精度很差,像一个穿着溜冰鞋但不敢动的人,最后靠惯性撞到了墙上。
而漂移控制器接受了一个事实:后轮已经没抓地力了,这时候"不侧滑"只是一个幻觉。 它不再徒劳地对抗物理,而是利用侧滑状态下的轮胎横向力,用油门和反向方向盘精确控制车辆横移的轨迹。
你可以把这种策略理解为:不跟物理定律讲道理,而是跟它做交易。
用一句中国驾驶员更熟悉的话来说:冰面上,"方向比刹车管用"。老司机都知道,遇到侧滑不要踩刹车,要点油门、反打方向,让车尾顺着甩出去再收回来。丰田这篇论文本质上是用控制理论把这句话写成了数学公式,然后交给了自动驾驶。
对向车道的噩梦
如果说压冰面是"单车自救",那对向车辆突然滑过来就是"极限手术"了。
在 S3 场景里,论文设置了一个极其凶险的情况:两辆车在弯道处对向行驶,其中一辆(假设是对方)压上冰面后失去控制,横着滑向本车道。
漂移控制器面对的选择是:
• 刹车停住?弯道上对方还在滑过来,停车来不及;
• 猛打方向避让?在冰面上猛打方向等于主动spin;
• 主动向右甩尾,把车身横过来"切"过对方的路径,然后再把车头掰回正道。
它选了第三种。
仿真结果显示,车辆以最高 53 度的侧滑角 向右偏移,一度开出道路 6.3 米 远——这个距离听起来很吓人,但恰恰是避让的关键:它利用这段横向位移"躲"过了对向车辆的路径,然后在几秒内通过反向油门和方向盘把车身"捞"了回来,重新回到车道继续行驶。
相比之下,ESC 在这类场景下几乎注定会转向不足或过度制动,最终和对向车辆迎头相撞。
这揭示了一个更深层的设计哲学差异:
ESC 的设计目标是"保稳",漂移控制器的设计目标是"保活"。
一个宁可把车稳稳地停在棺材里,另一个愿意把尸体横着甩出去再救回来。
当然,丰田研究院也很诚实地指出了这套系统的风险:在极端长冰面上,漂移控制器的"甩尾救车"确实可能回不来,导致更严重的道路偏离。所以在实际部署中,这套系统更可能被设计成"最后手段"——只有 ESC 明显压不住的时候才出手。
为什么现在才有人做这件事?
你可能会问:漂移避撞这个道理,老司机几十年前就懂了,为什么直到 2026 年才有人把它写成自动驾驶算法?
原因有两个。
第一,仿真器以前不够真。 冰面动力学极其复杂,摩擦系数不是固定值,而是随着温度、路面材质、轮胎花纹动态变化的。早期仿真器里的"冰面"其实就是把摩擦系数调低一点,车辆行为完全失真。这篇论文用的是丰田内部的高保真双轨模型,而且摩擦系数的设定来自美国 SHRP2 自然驾驶研究项目——那是装了传感器的真实车辆在真实冰面上开出来的数据。
第二,控制算法以前算不过来。 非线性模型预测控制(NMPC)需要在线求解复杂的优化问题,放在 10 年前的车载芯片上根本跑不动实时计算。这篇论文用 Python 的 Jax 库做自动微分,用 OSQP 求解器做二次规划,在 Intel i9-13900H 笔记本上就能实现 20 毫秒以内 的单次求解。这个计算速度,已经足够应对真实路况。
也就是说,丰田这篇论文不是"想出了一个绝妙的漂移策略",而是"等到了能够验证这个策略的技术条件"。
写在最后
这篇论文真正有价值的结论,其实不是一个"漂移比不漂移好"的简单命题。
它提出的是一种更根本的控制理念:在物理极限附近,最优解可能不是一个"稳定"的平衡点,而是一个主动利用不稳定的动态过程。
人类驾驶员在冰雪路面上其实无意识地一直在做这件事。我们会轻微地"甩"一下车尾来调整过弯姿态,会在侧滑时轻点油门而不是猛踩刹车。这些动作看起来不稳定,但它们实际上是在用轮胎的侧偏力"雕刻"出一条安全的轨迹。
自动驾驶长期以来被灌输的理念是"越稳越好"——匀速、直线、零侧滑、零急刹。但这篇论文提醒我们:在某些场景下,稳不是安全,僵才是危险。
就像去年冬天你在高速上看到的那些连环追尾——不是因为车速太快,而是因为大家都把刹车踩死了,车辆从可控的"滑"变成了不可控的"转"。
最后声明:这篇论文目前只在仿真器里跑过,还没上真车实验。丰田研究院的官网也说,未来的工作包括在真实测试车辆上验证这套控制器。
所以,你短期内不会在量产车上看到"自动驾驶主动漂移过弯"的功能。
但它的意义在于,它给行业指了一个方向:当自动驾驶学会"不要那么稳"的时候,它才真正开始理解物理。
毕竟,安全不是死死抓住方向盘不放,而是知道什么时候该松手,让车尾甩出去。
回复 0725 获取原文链接