盖世汽车讯 据外媒报道，由大邱庆北科学技术院（DGIST）机器人与机械工程系Kanghyun教授领导的研究团队开发一种基于物理人工智能的车辆状态估计技术，能够实时、精确地估计电动汽车的行驶状态。这项技术被视为一项关键性进步，能够提升电动汽车的核心控制性能，并显著增强自动驾驶车辆的安全性。该研究是与中国上海交通大学（Shanghai Jiao Tong University in China）和日本东京大学（the University of Tokyo in Japan）开展的国际合作研究。该研究成果发表于《IEEE Transactions on Industrial Electronics》。

图片来源： https://scx2.b-cdn.net/gfx/news/hires/2020/traffic.jpg  

侧滑角是指电动汽车在急转弯或湿滑路面上行驶时侧滑的程度，对于安全驾驶至关重要。由于车载传感器难以直接测量该值，汽车制造商通常依赖复杂的物理模型或间接估算。然而，这些方法存在精度低和适用性受限等问题。

为了解决这些问题，Nam教授的团队开发一种基于物理人工智能的新型估算技术，该技术结合人工智能和物理模型。其核心思想是将描述车辆运动的物理模型、测量轮胎横向力的传感器数据以及基于人工智能的回归模型（Gaussian Process Regression，简称GPR）相结合，从而显著提高估算精度。

为应对物理模型难以解释的非线性轮胎行为和环境变化，研究团队开发一种混合估计框架，该框架将物理轮胎模型与基于人工智能的学习模型相结合。具体而言，通过使用集成高斯过程回归（GPR）的无迹卡尔曼滤波器（UKF）观测器，该团队既保证数据驱动学习的灵活性，又保证物理模型的可靠性。与传统方法相比，这种组合能够更准确、更快速地估计车辆的侧滑角。

在实际电动汽车平台测试中，该技术在不同的路面、速度和转弯条件下均展现出高精度和强大的估计性能。精确的车辆状态估计对于电动汽车的行驶稳定性控制、自动驾驶安全性和能源效率至关重要。这项成果被视为未来出行领域的一项重大技术突破，因为其为基于人工智能的物理车辆控制开辟新的可能性。

Nam教授表示：“通过结合物理模型和人工智能的新方法，我们可以更精确、更可靠地估算电动汽车的行驶状况。这项研究将成为下一代自动驾驶和电动汽车技术的核心基础。我们将与全球汽车制造商开展联合研究，进一步开发这项技术，并将其推广到实际工业环境中。”