先講結論
以往自駕車為了做到即時運算，極度簡化車輛模型
由於車速遠離操控極限，簡單model(例如假設輪胎為線性)加上適當補償修正機制即可
但這篇研究卻有辦法發展在自駕車在極限下操控的策略方法
而且從驗證來看，車輛動態軌跡非常精確，證明策略發展得當
論文：
Toward Automated Vehicle Control Beyond the Stability Limits: Drifting Along
a General Path
發表刊物：ASME(美國機械工程師學會)
Journal of Dynamic Systems, Measurement, and Control的刊物
可以下載全文PDF
https://reurl.cc/qDj93g
[車輛模型]
看起來是採用簡化的bicycle model(左右輪合併，只有前後輪)
https://i.imgur.com/NnlxHzx.jpg
定義ψ為車輛速度絕對方向(相對地圖上坐標系)
ψ角速度則是受到sideslip(車身側滑角)的角速度跟yaw rate(橫擺角速度)影響
不過要做到這麼精確的路線控制，應該不只有bicycle model這麼簡單
內外輪還要做修正 (也不確定是採用阿克曼轉向、平行轉向或逆阿克曼轉向)
輪胎力：
前輪側向力Fyf、後輪側向力Fyr、後輪縱向力Fxr (x為縱向、y為側向)
前輪模型：
用Fiala brush tire model 而非採用較複雜的輪胎模型(如Magic formula model)
大略估計出輪胎觸地的摩擦係數，重點是要能"即時運算"
https://i.imgur.com/pHkop7k.jpg
後輪模型：
完全打滑的狀況，假設isotropic friction
[車輛控制發展]
這部份我比較不熟
大致是用上Imposed Error Dynamics和Nonlinear Model Inversion迴授
整車控制的架構
https://i.imgur.com/6b93ywr.jpg
[輪速動態和控制]
主要是後輪驅動力要夠大，讓後輪失去抓地力才能觸發甩尾
後輪的合力與分力
https://i.imgur.com/qZTBDpG.jpg
比起Thrust angle，輪胎縱向力對輪胎側向力與輪胎正向力*摩擦係數有更高敏感度
https://i.imgur.com/DZXNMi2.jpg
Thrust angle
https://i.imgur.com/gZHsMsQ.jpg
利用增加後輪縱向力(驅動力)，讓車輪合力超過摩擦圓進而打滑甩尾
[實驗驗證]
最後就是改裝車子進行驗證啦
之所以在後軸改裝上大扭力的電機，正好呼應了利用後輪驅動力來引發甩尾的機制
線控轉向系統要滿足方向盤從左打死點到右打死點要在1秒內完成
十分仰賴線控馬達控制，不曉得是用colume type, pinion type還是rack type
(我猜是rack type啦，畢竟要快速響應+低延遲)
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.
整車控制器採250 Hz，也就是要每4 ms一次的即時運算車輛動態
這頻率訂的滿合理的
另外也用上dSpace(Model-Based Design)
現階段做自駕車或控制策略發展甚至HIL滿多都是透過dSpace
※ 引述《Scape (缺鈣缺很大)》之銘言：
: 影片：
: https://youtu.be/3x3SqeSdrAE
: 團隊解說影片：
: https://youtu.be/tradNtWvPS4
: 這輛DMC-12 被美國史丹佛大學Dynamic Design Lab 拿來改裝成無人駕駛車
: 然後設定路徑好，就開甩啦~
: 然後把他叫做MARTYkhana，這是要去參加Gymkhana 比賽嗎？ XD
: 未來在賽車場上或許也會出現自駕車與人類駕駛一同參賽的畫面