近期，斯坦福大学的机械工程师一直致力于研究一种能够在轮胎抓地力极限边缘自动驾驶的技术，从而推动摩擦极限。他们的目标不是创造可以在赛道上漂移的自动驾驶汽车，研究人员是希望通过让自动驾驶汽车知道自己的极限，甚至能够在极限的边缘运行，来帮助自动驾驶汽车变得更安全。
到目前为止，大部分自动驾驶汽车都是以正常的速度、在驾驶条件良好的环境中行驶，遇到的障碍也是常见的，因而无法解决上述的极限问题。而物理建模也不适用于这项工作，这些计算机模型模拟汽车在重量、速度、路面条件和其他条件下的运动，但它们必然是简化的，而且条件偏离普通限制越远，结果就越不准确。
自动驾驶
为了完成这项研究，美国斯坦福大学机械工程系的博士生Nathan Spielberg及其同事建立了一个模型，模拟给定车辆和重量的情况下，汽车在X速度下如何实现Y角度的转弯。为了收集数据，该团队使用了两个测试赛道：一条赛道靠近北极圈，用来收集车辆在冰雪路面的低摩擦环境中的数据；另一条赛道在加利福尼亚州，以获取高摩擦数据。他们在两条赛道上都安排了自动驾驶车辆和人类赛车手。两者的共同目标都是尽快完成椭圆赛道的行驶。
研究人员专注于跟踪赛道的各个部分并进行比较，以收集更多的数据集。经过完整的比较之后发现，自动驾驶汽车的轨迹一致性更高，而人类驾驶员会根据汽车的变化改变路线。尽管如此，人类赛车手有几圈的成绩明显更好，最终成绩双方大体相当，人类赛车手略微领先。
结论是，使用相对简单的模型，在超越普通条件的环境中控制汽车，这种做法是非常有希望的，它可能会需要针对每种路面和设置进行调整。如何更好地创建并测试此类模型还需要进一步进行研究，不过该团队确信这仅仅是一项工程方面的挑战。
该实验的最终目标是为了让自动驾驶汽车在所有驾驶任务中都优于人类，不过这个最终目标目前还很遥远，距离自动驾驶汽车能够直接同专业车手抗衡还有很长的路要走。
