ZipDrift：用一步漂移模型生成多模态短视距MPC代价

ZipDrift: Generating Multimodal Short-Horizon MPC Costs with One-Step Drifting Models

AI 导读 · 根据来源整理

ZipDrift 提出用一步漂移生成器学习短视距 MPC 的代价修正，以缓解短视距 MPC 的短视问题。作者观察到最优修正常呈多模态，例如面对较慢对手时左右两侧都可超车，确定性回归会平均各模态或继承专家不一致的取舍。方法只从候选修正的代价评估中学习，不通过优化器求导，生成若干候选后由学习到的 critic 排序，再由基于模型的 MPC 施加动力学与约束。在源自 ZipMPC 的运动学超车基准中，53% 的上下文为双模态。