# 自动驾驶赛车超车

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%。

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%。