人们普遍认为，自动驾驶汽车的驾驶风格非常保守。毕竟，汽车制造商和科技公司在设计自动驾驶汽车时，旨在打造教科书般安全的驾驶员，而非激进的飙车族。然而，斯坦福大学的机械工程师们一直在研究一辆研究用车，这辆车可以在轮胎抓地力的极限下进行自动驾驶，不断挑战摩擦力的极限。
他们的目标并非是要制造出一辆能在赛道上漂移的自动驾驶汽车。相反，研究人员希望通过让自动驾驶汽车了解自身的极限，甚至能够在这些极限边缘运行，来真正提高自动驾驶汽车的安全性。这对于任何驾驶员来说都是一项非常有用的技能，尤其是在前方突然出现一只鹿时——你既希望能够及时避让，又不至于让轮胎完全失去对路面的抓地力，导致车辆打滑失控。
“我们的实验室对研究自动驾驶汽车在操控极限下的表现非常感兴趣，”斯坦福大学机械工程系的博士生、该领域新发表在《科学机器人学》杂志上的论文的第一作者内森·斯皮尔伯格（Nathan Spielberg）说道。“我们从赛车手中汲取了很多灵感，因为他们能够熟练地利用所有可用的路面摩擦力，以最快的速度绕行赛道。”
为了收集该项目的数据，研究团队使用了两个测试赛道：斯皮尔伯格说，其中一个赛道“位于北极圈附近”，他们得以（在有人驾驶和自动驾驶模式下）收集了由冰雪路面构成的低摩擦环境的数据。而在更南方，加利福尼亚州威洛斯市的雷霆山赛车公园（Thunderhill Raceway Park）则提供了获取高摩擦力数据的场所。
他们利用这些数据来训练一个神经网络，这是一种机器学习和人工智能工具。然后，他们在一道椭圆形赛道上对该车辆进行了测试，让神经网络控制汽车的转向角度。
如今道路上的自动驾驶汽车的运作方式与这辆车不同。首先，街上的自动驾驶车辆使用激光雷达和摄像头来感知周围环境，以便在看到停车标志等物体时做出反应。而这辆斯坦福的研究用车则使用高精度GPS系统来确定自身位置，并辅以车载惯性导航系统。研究人员指示它绕着椭圆形赛道行驶，并为其设定了速度指导：车辆在赛道直线部分的速度约为每小时46英里（约74公里/小时），在弯道部分的速度约为每小时25英里（约40公里/小时）。换句话说，研究人员告诉汽车该做什么以及以多快的速度行驶，而他们训练的神经网络则负责将汽车转向至其摩擦极限。斯皮尔伯格说，他们的目标是让车辆“尽可能地在汽车能力极限下追踪路径”。不妨观看视频
那么，它的表现如何呢？他们将这辆车的表现与一名人类驾驶员的表现进行了比较，斯皮尔伯格说，这名人类驾驶员的指令是“以最快的速度完成赛道”。他们发现，自动驾驶系统的表现与人类驾驶员相当。实际上，他们使用了基于神经网络的系统和另一种更传统的基于物理学的系统来进行自动驾驶模式下的转向，并发现神经网络略有改善。简而言之，让人工智能部分地掌控方向盘有助于提升其性能。
尽管观看自动驾驶汽车在弯道中发出尖叫声很有趣，但斯皮尔伯格强调，这项研究的重点在于安全，以及在情况需要时能够以最高性能运行。
“我们希望能够制造出与最优秀的人类驾驶员一样出色，甚至更好的自动驾驶汽车，”他说。这样，“如果它们遇到需要充分利用所有路面摩擦力的情况——比如突然出现一个障碍物，或者你突然遇到一块冰面——汽车就能知道如何安全地做出响应。”
