日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

自動運転/路面摩擦推定arXiv:2603.09073

自動運転車によるピーク路面摩擦推定のための高スリップ比制御

High-Slip-Ratio Control for Peak Tire-Road Friction Estimation Using Automated Vehicles

シェア:XThreadsFacebookLINEはてブBluesky

自動運転車が空荷走行時に高スリップ比制御でタイヤ-路面摩擦係数のピーク値を能動的に励起し、安全を保ちつつ統計的手法でロバストに推定する枠組みを提案・検証した論文。

詳しい要約

1. どんなもの?

- 自動運転車(AV)を用いて、タイヤ-路面間の摩擦係数(TRFC)のピークを推定するための高スリップ率制御フレームワークを提案。 - 空荷運行時に安全を維持しつつ、ピーク摩擦領域を能動的に励起する。 - 簡略化したMagic Formulaタイヤモデルを採用し、繰り返し高スリップ測定で局所フィッティング。 - 車間追従シナリオでの安全な実行のため、スリップ励起、軌道追従、衝突回避のバランスを取る制約付き最適制御を定式化。 - ノイズや局所的なデータ疎性下でピークTRFCをロバスト推定するビニングベースの統計的投影法を導入。

2. 先行研究と比べてどこがすごい?

- 既存手法は通常車両の自然走行データに依存し、穏やかな加減速のためスリップ励起が不十分でピークTRFCの可観測性が限られる。 - 提案手法はAVを用いて能動的に高スリップ領域を励起し、ピーク摩擦推定の精度向上を図る点が新しい。 - 空荷運行時という実用的なシナリオで安全を確保しつつ励起を行う点が先行研究と異なる。

3. 技術・手法の肝は?

- 簡略化Magic Formulaタイヤモデルで非線形スリップ-力動態を表現し、高スリップ測定データで局所フィッティング。 - 制約付き最適制御により、スリップ励起、軌道追従、衝突回避を同時に考慮。 - ビニングベースの統計的投影法でノイズとデータ疎性に対処し、ピークTRFCをロバスト推定。

4. どうやって有効だと検証した?

- 閉ループシミュレーションと実車実験の両方でフレームワークを検証。 - 精度、安全性、拡張性、コスト効率の良い路面摩擦スクリーニングの実現可能性を示した。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- 要旨で参照/比較されている研究は明示されていない。関連手法としてMagic Formulaタイヤモデル、制約付き最適制御、ビニングベース統計推定が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Zhaohui Liang, Hang Zhou, Heye Huanh, Xiaopeng Li

分類: cs.RO

原文アブストラクト

Accurate estimation of the tire-road friction coefficient (TRFC) is critical for ensuring safe vehicle control, especially under adverse road conditions. However, most existing methods rely on naturalistic driving data from regular vehicles, which typically operate under mild acceleration and braking. As a result, the data provide insufficient slip excitation and offer limited observability of the peak TRFC. This paper presents a high-slip-ratio control framework that enables automated vehicles (AVs) to actively excite the peak friction region during empty-haul operations while maintaining operational safety. A simplified Magic Formula tire model is adopted to represent nonlinear slip-force dynamics and is locally fitted using repeated high-slip measurements. To support safe execution in car-following scenarios, we formulate a constrained optimal control strategy that balances slip excitation, trajectory tracking, and collision avoidance. In parallel, a binning-based statistical projection method is introduced to robustly estimate peak TRFC under noise and local sparsity. The framework is validated through both closed-loop simulations and real-vehicle experiments, demonstrating its accuracy, safety, and feasibility for scalable, cost-effective roadway friction screening.

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  3. 3GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI