輪胎膠皮和柏油地面的劇烈摩擦，產生的白煙幾乎籠罩了整個跑道。
一輛銀色的汽車，高速穿行在由橘色路樁劃定的跑道區域內。
它以極其精確的姿態控制，穿過了這條蜿蜒曲折且十分狹窄的跑道!
一切不得不令人感慨：坐在方向盤後的，究竟是日本的山道元祖土屋圭市，還是美國的漂移大神“磚叔” Ken Block?
都不是。
事實上，駕駛著這臺1981款 DMC DeLorean 的，並不是真人，而是斯坦福大學開發的自動駕駛系統……
你沒有聽錯：自動駕駛汽車，已經可以實現精確的漂移了。
請看團隊製作的完整視頻：MARTYkhana
從視頻中可以看到，即便在失去抓地力的前提下，自動駕駛系統仍然可以進行精確的控制。
這臺 DeLorean 穿行於狹窄的跑道中，卻沒有誤觸任何一個路樁——如果你看過著名的 Gymkhana 系列視頻，可能會對這樣的駕駛模式感到熟悉。
然而，即便是已經親自出演十多部 Gymkhana 視頻的 Ken Block 本人，對賽道和車體掌握的精確程度，似乎也無法達到斯坦福大學這臺自動駕駛汽車的程度……
也難怪，團隊拿著這條視頻去給一些職業漂移賽車手看，這些車手紛紛表示：“感覺要失業了!”
Fredric Aasbø, 2015年 Formula DRIFT 世界冠軍
2015年，斯坦福大學動力設計實驗室的教授 Chirs Gerdes 不知道從哪找來了一臺 1981 款 DMC DeLorean.
——沒錯，就是著名科幻電影《回到未來》裡的那臺汽車的原型。
Gerdes 教授帶著幾個自己的學生開始爆改這臺神車，過程中也得到了自動駕駛創業公司 Renovo 的幫助。團隊還把這臺車取名叫 Multiple Actuator Research Testbed for Yaw control(偏航控制多執行器研究試驗檯)，簡稱 MARTY……
因為《回到未來》的原因，再加上 DMC 公司本身的傳奇故事，DeLorean 在汽車歷史上留下過濃墨重彩的一筆。然而，除了光環加身之外，這臺車的動力總成各部件實際上毫無任何特色可言。
因此，團隊所作的第一件事，就是把這臺車拆了個乾淨，包括髮動機，換進去一套電池、電機和傳動系統等，把這臺 DeLorean 變成了名副其實的“電動車”：
然後，團隊進一步加裝了了控制系統。包括油門、剎車和方向盤控制等等，全部都是由計算機完成的。
下面這張圖展示了改裝的主要內容，從左到右、從上到下：
1)拆除了原本2.8升排量卻只能輸出130hp的燃油發動機，換進了一臺7,000牛米的電動機——轉換到制動馬力至少也有400hp左右?
2)雙 GPS 天線用於追蹤汽車的位置，可以精確到1英寸。車載系統正是通過 GPS 定位來確定自己的位置——也就是說，MARTY 的自動駕駛，並不是普遍意義上的機器學習，而是一個更簡單的、邏輯驅動的自動駕駛。
3)計算機控制的轉向系統，不到一秒的時間即可從一個方向的極限轉到另一個方向的極限，而且控制極其精確，這也是為什麼這輛自動駕駛汽車可以實現更精準的漂移控制。
4)電動剎車系統，可以進行精準的剎車控制。
5)定製的懸掛系統，滿足漂移時對輪組產生的極限壓力。
漂移和正常駕駛是兩種完全不同的駕駛方式。當我們正常開車時，汽車會朝著打輪的方向前進。而且，正常開車需要輪胎保持抓地力，因為失去抓地力就意味著駕駛者失去對汽車的控制，很容易導致事故發生。
而在漂移時，一切和正常駕駛幾乎都反過來了：汽車的前進方向實際上和打輪方向完全相反。而且在漂移時，車手必須在失去和獲得抓地力之間找到一種平衡，使得輪胎在賽道上打滑，卻也能提供足夠的力量將車往前推。
同時這一力量又必須和前輪的角度形成一個平衡，使得車輛不會因為轉向過度而偏離前進的方向：
對於真人車手，他們需要用眼睛去看發動機轉速錶，耳朵去聽發動機、輪胎摩擦的聲音，用身體去感受離心力等等——在很大程度上，車手是通過自己的意識去感知的。
任何人都可以猛踩油門讓輪胎失去抓地力，但掌握精確的控制，從而讓車輛在一種“可控的失控”下完成精彩的漂移過彎，需要日積月累的訓練。
而這一切對 DeLorean 似乎更加簡單。為什麼這麼說?因為它可以直接從車載電腦和傳感器中讀取數據，從而做出精確的操控。
確的操控車載系統顯示了車輛目前的速度、各輪的當前扭矩數值、前輪的轉向角度，以及車輛的前進方向和車身之間的偏航角度 (yaw) 等關鍵數據。
斯坦福團隊決定向 Ken Block 的 Gymkhana 系列視頻致敬，將用來測試的這條賽道命名為 MARTYkhana。這條賽道總長大約1公里，路線專門設置用來考驗和展示系統的精確性。
有了數據的幫助和計算機系統的加持，MARTY 可以實現令人難以置信的精準過彎控制。下圖中，MARTY 進行了一個從向左到向右漂移的快速切換，穿過狹窄的門，卻沒有碰到障礙本身：
穿過障礙，有如“蜻蜓點水”一般輕盈……
下圖中，賽道從一個大直徑的橢圓進入一個小直徑的圓形，MARTY 的對油門、剎車和轉向角度控制，經受住了考驗，畫出了一道完美的螺旋白煙。
一些職業漂移賽車手和工程師給了 MARTY 很高的評價。
2015年 Formula DRIFT 世界冠軍 Fredric Aasbø 指出，MARTY 做了幾個難度非常高的 transition(從一個彎形到另一個彎形的轉換)，“在這種操控上，機器人可能會比我們人類做的更好。”
Papadakis Racing 的隊長 Stephan Papadakis 表示，從視頻裡可以看出，車輛的動力總成設計和安裝，以及自動駕駛系統的編程令他印象非常深刻，特別是“可重複性”，也即 MARTY 每次穿過同一個彎形所採用的姿態，都一如既往準確無誤。
看這架勢，莫非斯坦福大學要出師 Formula Drift 了?
還好，並不是……
實際上，團隊進行這項研究的目的，是幫助未來的自動駕駛汽車更加安全。
現在的自動駕駛汽車已經挺安全了，主流公司公佈的數據顯示事故率遠遠低於真人駕駛。然而這個結果建立在相對更安全的測試環境下，往往不包括(或者只包括極少量的)雨、雪或極端天氣。這也是為什麼在自動駕駛汽車測試過程中，一旦發生緊急情況，安全駕駛員必須接管——在這類情況下，真人的應對能力往往比計算機更好。
如果道路因為雨雪和低溫導致結冰?如果道路上有側向大風?別說自動駕駛汽車，真人司機也很難保證絕對安全。
斯坦福大學團隊爆改這臺 DeLorean，讓它去漂移，目的就是研究自動駕駛汽車在失去穩定性的極端狀態下應該如何自我控制。
這次的 MARTYkhana 除了做出了一部令人血脈僨張的漂移視頻，更重要的意義在於獲得了大量關鍵的測試數據。
團隊成員 Jonathan Goh 表示，“通過漂移，我們讓自動駕駛進入到最為極端的環境當中。如果我們能夠在最不穩定的場景中實現自動駕駛，其他的一切都迎刃而解了。”
圍繞這臺爆改電動漂移 DeLorean，斯坦福大學團隊已經發布了相關的研究論文，題為Toward Automated Vehicle Control Beyond the Stability Limits: Drifting Along a General Path(朝著超越穩定極限的自動駕駛控制邁進：沿著一般道路漂移)，點擊閱讀原文查看。
團隊也發佈了更多的視頻，展示 MARTY 在酷炫的漂移背後，一些重要的研究思路和啟發：
這已經不是 Gerdes 教授的團隊第一次跟賽車打交道了。幾年前，他們改裝了一臺奧迪 TT，送到賽道上測試，實現了超越真人車手對於剎車和過彎路線的控制。
他們還把自動駕駛汽車送到過派克峰登頂計時賽 (Pikes Peak)，堪稱自動駕駛賽車界的第一團隊了……
閱讀更多 中國無人駕駛網 的文章
