• 学习时长

    八周/建议每周至少六小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 课程奖学金

    由INDEMIND提供奖学金

  • 任务1: 运动规划第二期助教分组结果
  • 第1章: 概述和课程介绍(INTRODUCTION AND PRELIMINARIES)
  • 第1节: 介绍
  • 任务2-1: 【课件】概述与课程介绍.pdf
  • 任务2-2: 【视频】课程总体介绍 34:18
  • 第2节: 课程大纲和运动规划方法分类
  • 任务3: 【视频】课纲介绍与规划方法分类 38:19
  • 第3节: 常用地图结构与基础知识
  • 任务4: 【视频】常用地图结构与基础知识 24:54
  • 第4节: 实践演示与作业
  • 任务5-1: 【视频】实践演示 41:30
  • 任务5-2: 【作业】第1章
  • 第2章: 基于搜索的路径规划(SEARCH-BASED PATH FINDING)
  • 第1节: 图搜索基础(Graph Search Basis)
  • 任务6-1: 【课件】基于搜索的路径规划(SEARCH-BASED PATH FINDING).pdf
  • 任务6-2: 【视频】图搜索基础(Graph Search Basis)
  • 第2节: Dijkstra 和A*算法(Dijkstra and A*)
  • 任务7: 【视频】Dijkstra 和A*算法(Dijkstra and A*) 53:26
  • 第3节: JPS算法(Jump Point Search)
  • 任务8: 【视频】JPS算法(Jump Point Search)
  • 第4节: 实践演示与作业
  • 任务9-1: 【视频】实践演示
  • 任务9-2: 【作业】第2章
  • 第3章: 基于采样的路径规划(SAMPLING-BASED PATH FINDING)
  • 第1节: 概率路线图算法(Probabilistic Road Map)
  • 第2节: 快速探索随机树算法(Rapidly-exploring Random Tree)
  • 第3节: 基于采样的最优路径规划算法(Optimal Sampling-based Methods)
  • 第4节: 基于采样的路径规划算法进阶(Advanced Sampling-based Methods)
  • 第4章: 动力学约束下的路径规划(KINODYNAMIC PATH FINDING)
  • 第1节: 动力学概念简介(Introduction)
  • 第2节: 两点边界值最优控制问题(State-to-state Boundary Value Optimal Control Problem)
  • 第3节: 状态栅格搜索算法(State Lattice Search)
  • 第4节: 动力学约束RRT*算法(Kinodynamic RRT*)
  • 第5节: 混合A*算法(Hybrid A*)
  • 第5章: Minimum-snap轨迹生成(MINIMUM SNAP TRAJECTORY GENERATION)
  • 第1节: 微分平坦(Differential Flatness)
  • 第2节: Minimum-snap轨迹优化方法(Minimum Snap Optimization)
  • 第3节: Minimum-snap优化的闭式解(Closed-form Solution to Minimum Snap)
  • 第4节: 时间分配问题(Time Allocation)
  • 第5节: 工程实现细节(Implementation in Practice)