Dinamica del Veicolo e Controllo Predittivo Adattativo al Grip nella Guida Autonoma da Competizione: Un Approccio Comprensivo alla Modellizzazione

In autonomous racing, the interaction between vehicle models and control algorithms is pivotal for maximizing performance while maintaining safety. Vehicle dynamics models underpin critical applications such as path planning, optimal control, state estimation, simulation, and decision-making. This research provides a systematic benchmark of commonly used vehicle dynamics models, with a particular emphasis on their application in Model Predictive Control (MPC) for high-performance path tracking. The study consolidates existing modeling approaches, rigorously compares their formulations, operating ranges, and parameterizations, and quantitatively assesses their influence on control performance. In addition, novel vehicle models are formulated and tested. Key findings highlight trade-offs between model complexity and performance: some models are highly detailed but difficult to calibrate, while simpler models may fail to perform adequately under high-dynamics conditions. A complete multibody vehicle model is developed for simulation-based testing and validation of control algorithms in a virtual environment. A detailed methodology for model identification and parameter estimation is proposed, ensuring that simplified models accurately reproduce the vehicle’s dynamic behavior. The presented MPC framework is friction-adaptive, incorporating an online, real-time grip estimation module to account for variations in tire-road friction. The approach is extensively validated through real-world track experiments, showing strong agreement with simulations and yielding results that surpass existing benchmarks. Overall, this work provides a quantitative reference for the research community and offers practical guidance for designing and calibrating model-based controllers capable of operating at the limits of tire-road friction. The findings underscore that model fidelity is a primary determinant of MPC performance and emphasize the importance of rigorous vehicle modeling in advancing autonomous racing algorithms.

Nella guida autonoma da competizione, l’interazione tra i modelli di veicolo e gli algoritmi di controllo è fondamentale per massimizzare le prestazioni garantendo al contempo la sicurezza. I modelli di dinamica veicolare supportano applicazioni critiche quali pianificazione della traiettoria, controllo ottimo, stima dello stato, simulazione e supporto alle decisioni. Questa ricerca propone un benchmark sistematico dei modelli di dinamica veicolare più comunemente utilizzati, con particolare attenzione alla loro applicazione nel controllo predittivo basato su modello (MPC) per il path-tracking ad alte prestazioni. Lo studio raccoglie e confronta in modo rigoroso le diverse formulazioni dei modelli, i loro intervalli operativi e la parametrizzazione, valutandone quantitativamente l’impatto sulle prestazioni di controllo. Inoltre, vengono sviluppati e testati modelli di veicolo innovativi. I risultati evidenziano i compromessi tra complessità dei modelli e prestazioni: alcuni modelli sono molto dettagliati ma difficili da calibrare, mentre modelli più semplici possono risultare insufficienti in condizioni di guida ad alta dinamica. È stato inoltre realizzato un modello multibody completo, utilizzato per test e validazione degli algoritmi di controllo in ambiente simulativo. Viene proposta una metodologia dettagliata per l’identificazione dei modelli e la stima dei parametri, garantendo che i modelli semplificati riproducano fedelmente il comportamento dinamico del veicolo. Il framework MPC proposto è adattativo all'attrito, grazie a un modulo di stima del grip online e in tempo reale che tiene conto delle variazioni dell’aderenza pneumatico-strada. L’approccio è stato ampiamente validato tramite esperimenti su pista reale, mostrando forte corrispondenza con le simulazioni e risultati superiori agli standard esistenti. Complessivamente, questo lavoro fornisce un riferimento quantitativo per la comunità scientifica e offre indicazioni pratiche per progettare e calibrare controllori basati su modello capaci di operare al limite dell’aderenza. I risultati sottolineano come la fedeltà del modello sia un fattore determinante per le prestazioni del MPC, evidenziando l’importanza di una modellizzazione rigorosa nella guida autonoma da competizione.