超车该往哪边打方向？ZipDrift 用一步漂移生成器给出多峰代价修正，600 个测试回合零碰撞
核心概要
短视界模型预测控制算得快，却看不到视界外的对手，因此需要学习一个随情境变化的代价修正；但可超车时左右两侧都是好解，确定性回归会把两个模式平均到对手身上。ZipDrift 改为在代价修正空间训练一步漂移生成器，用闭环代价评估做倾斜、不穿过优化器求梯度，再生成少量候选由学习到的评判器挑选。在八维逐阶段修正的直线超车基准上，600 个测试回合全部无碰撞，而理想化的 ZipMPC 式回归器碰撞率为 4.0%。
深度剖析
短视界模型预测控制的代价修正不再被压成一个点，而是被表示成一组可能取值，左右两条超车路线可以同时保留。 此前的 ZipMPC 及其相关权重自适应方法学习的是从情境到代价参数的确定性映射，回归训练会收敛到标签的条件均值。 在基于 ZipMPC 运动学赛车设置构建的超车任务中，53.4% 的情境里好修正集合分成两个分离区间，长视界专家在 91% 的情境有两个局部解，其中约一半两者目标值相差不到 0.5%。
训练信号只来自候选修正的闭环标量代价，不需要对优化器求导，因此标签可以由部署时同一个带硬约束的求解器产生。 ZipMPC 依赖可微 MPC 穿过优化器传播模仿损失梯度，训练中要处理局部凸近似、软状态约束和训练与部署求解器不一致。 每个训练情境需要 65 次闭环仿真，800 个情境在 28 个 CPU 核心上标注耗时 18 分钟，且标注可完全并行。
生成器负责提出贴近已标注修正的候选，评判器只在这些候选中排序，模型预测控制再负责施加动力学与约束。 直接对均匀采样候选做评判器排序，或把搜索范围扩大到 4096 个均匀样本，都不能替代生成出来的候选。 八维修正下，同样八个候选预算，评判器排序均匀样本的碰撞率为 2.0%（12/600），排序 4096 个均匀样本为 3.2%，而 ZipDrift 取最优候选在 600 个测试回合中零碰撞。
启示与展望
结论建立在刻意精简的基准上：直线赛道上的运动学自行车、一个匀速对手、修正只在决策时刻选定并保持整个回合，且全部为仿真。作者明确把弯道完整圈速、Pacejka 轮胎模型、多对手和硬件实验列为尚未评估的范围。
作者指出，ZipMPC 在每个控制步重算修正，若改用随机生成器，可能在相邻步之间切换模式，跨步复用噪声或以先前选中的模式为条件仍需测试。Gibbs 刻画与取最优候选的论证只涉及修正的选择，不涉及闭环稳定性或递归可行性。在一维修正下，评判器网格搜索或同预算的 MDN 与 ZipDrift 表现相当；八维下相对 MDN 的差距在统计上不显著。