ドリフト走行は「指定された運動」ではなく「限界性能の連続的延長」として出現、BE-LMPCが実証

何が起きたか

arxiv.orgに2026年8月28日付で公開された論文「Vehicle Drift Emergence: Continuous Evolution from Grip Driving to the Handling Limit via Boundary Exploration Learning Model Predictive Control」は、ドリフト走行が明示的な目標なしに出現することを示した。研究では、周回ラップタイム最小化タスクにおいて、境界探索学習モデル予測制御（BE-LMPC）を用い、摩擦係数0.6の条件でラップタイムが3周目の49.95秒から12周目の25.50秒へと短縮され、11周目にドリフトが初めて出現した。12周目では横滑り角16.5度、後軸利用率0.894に達した。一方、摩擦係数0.8〜1.2ではドリフトは検出されず、1.2では同様の最高速度を後軸利用率0.483で達成した。

詳細

論文は、ドリフト制御の従来手法が所定のドリフト平衡点や横滑り角参照を追跡するのに対し、本研究ではコントローラの目的関数や報酬に明示的なドリフト参照を含めない点を特徴とする。BE-LMPCは、完了したラップから経験的安全集合と局所的にシフトした終端コストを構築し、固定されたグローバル速度制限の下で空間的速度配分を反復的に改善する。これにより、回復可能性を保ちながら横滑り角とヨーレートの包絡線を徐々に拡大する。解析では、外部条件が滑らかに変化する場合、タイヤの粘着から滑りへの遷移自体はタイヤ力や車両状態の急激な変化を引き起こさないことが示され、複合スリップFialaモデルがこの連続性条件を満たすとされる。

Key Facts

本紙の見方

本論文の核心は、ドリフトを「指定された運動モード」ではなく「限界性能の連続的な延長」として捉え直した点にある。従来のドリフト制御は、所定の平衡点や横滑り角参照を追跡する方式が一般的であり、ドリフトを実行する方法は確立されているが、グリップ走行からドリフトへの連続的な遷移は未解決だった。本研究は、ラップタイム最小化という単一の目的のみで、ドリフトが自然発生することを示し、ドリフトがタイヤ能力の限界に近づくにつれて現れる条件付きの継続現象であると特徴づけた。 この結果は、自動運転の限界性能制御において、ドリフトを特別なモードとして扱うのではなく、性能要求の増大に伴う連続的な現象として扱えることを示唆する。特に、摩擦係数0.6という低摩擦条件でのみドリフトが出現し、0.8以上では出現しないという結果は、ドリフトがタイヤの摩擦限界と密接に関連することを示している。これは、低摩擦路での車両制御の安全性向上に寄与する可能性がある。 一方で、本研究はシミュレーションに基づくものであり、実車での検証が今後の課題となる。また、BE-LMPCの計算負荷や実時間性、様々な路面条件や車両パラメータでのロバスト性も未検証である。さらに、ドリフト出現の判定基準（横滑り角や後軸利用率の閾値）が明確でなく、ドリフトの定義自体が議論の余地を残す。 業界への含意としては、自動運転の限界性能制御アルゴリズムの設計思想に影響を与える可能性がある。ドリフトを明示的にモデル化せずとも、性能最適化の過程で自然に出現することを示したことで、制御器の簡素化や汎用性向上につながる可能性がある。ただし、実車適用にはタイヤモデルの精度やセンサノイズへの耐性など、多くの課題が残る。

なぜ重要か

この研究は、ドリフト走行が「特別な運動」ではなく「限界性能の連続的な延長」であることを示し、自動運転の限界性能制御の設計思想に一石を投じる。低摩擦路での車両制御の安全性向上や、制御アルゴリズムの簡素化につながる可能性がある。