- 解决自主赛车中**前馈转向控制(feedforward steering control)** 的基准测试问题，比较**基于学习(learning-based)** 和**经验(empirical)** 方法的实际性能
- 现有研究多关注开环预测精度，但未系统评估闭环路径跟踪和圈速表现
- 背景：分层控制架构中前馈控制旨在减少反馈修正，但缺乏统一对比标准
- 提出一种新的**增强混合动力学(EHD)** 公式，基于**多项式曲面拟合(polynomial surface fit)** 捕获**速度相关的非线性转向行为(velocity-dependent nonlinear steering behavior)**，参数化最少
- 在基于**阿布扎比自主赛车联盟(Abu Dhabi Autonomous Racing League)** 真实赛事的**高保真仿真框架(high-fidelity simulation framework)** 中测试，使用**双轨车辆动力学模拟器(double-track vehicle dynamics simulator)**
- 开环评估比较预测误差，闭环评估比较路径跟踪性能和单圈时间，并包含**迭代微调(tierative fine-tuning)**
- **系统性基准对比**：首次在统一框架下对两种学习型和两种经验型前馈控制器进行**开环(open-loop)** 和**闭环(closed-loop)** 双向评估
- **EHD公式创新**：以最少的参数化有效建模速度相关的非线性转向行为，无需复杂学习模型
- **关键发现**：即使学习控制器在开环中预测误差更低，但闭环中性能并不优于EHD，强调了**完整软件栈评估(complete software stack evaluation)** 的必要性
- 为自主赛车前馈转向控制领域提供了一个**标准化的基准测试框架(benchmarking framework)**，涵盖多种方法
- 提出的**EHD方法** 在闭环鲁棒性和单圈时间上达到**最优(overall best)**，相比学习方法更具实用价值
- 公开代码促进社区复现与后续研究，推动自主赛车控制策略的实用化