课程价格 ：
¥899.00
剩余名额
0
-
学习时长
9周/建议每周至少6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
-
课程有效期
一年/告别拖延，温故知新
- 1：【资料】丁文超老师高引用论文合集
- 2-1：【文档】开课仪式
- 2-2：课程交流群问题收集3.8（持续更新中）
- 第1章: 自动驾驶决策规划简介
- 3：【课件】自动驾驶决策规划简介
- 第1节: 自动驾驶概述
- 免费 4：【视频】自动驾驶概述
- 第2节: 自动驾驶的历史和背景
- 免费 5：【视频】自动驾驶历史和背景
- 第3节: 自动驾驶级别和分类
- 免费 6：【视频】自动驾驶级别和分类
- 第4节: 自动驾驶系统的组成和功能
- 免费 7：【视频】系统的组成和功能
- 第5节: 预测决策规划的重要性
- 免费 8：【视频】预测决策规划的重要性
- 第6节: 预测的经典方案
- 免费 9：【视频】预测的经典方案
- 第7节: 课程Project介绍
- 免费 10：【视频】课程Project介绍
- 第8节: 课程基础技能
- 免费 11：【视频】课程基础技能
- 第9节: Project 1：nuPlan数据集准备
- 免费 12：nuPlan数据集准备
- 第10节: nuPlan数据集介绍与快速入门
- 13-1：【课件】nuPlan数据集介绍与快速⼊门
- 免费 13-2：【视频】nuPlan数据集介绍与快速入门
- 第2章: 基于模型的预测方法
- 14-1：【课件】基于模型的预测方法
- 14-2：【资料】Wenchao Ding Thesis.pdf
- 第1节: 预测系统概述
- 15：【视频】预测系统概述
- 第2节: 定速度预测
- 16：【视频】定速度预测
- 第3节: 定曲率预测
- 17：【视频】定曲率预测
- 第4节: 短期预测 VS长时预测
- 18：【视频】短期预测VS长时预测
- 第5节: 基于手工特征的意图预测
- 19：【视频】基于手工特征的意图预测
- 第6节: 基于模型的轨迹预测
- 20：【视频】基于模型的轨迹预测
- 第3章: 路径与轨迹规划
- 21：【课件】路径与轨迹规划
- 第1节: 本章内容概述
- 22：【视频】章节内容介绍
- 第2节: 基础知识扫盲：Dijkstra算法与A star算法（选修）
- 23-1：【视频】规划问题引入
- 23-2：【视频】Dijkstra算法原理
- 23-3：【视频】A star算法
- 第3节: 基于搜索的路径规划
- 24-1：【视频】A star在车辆规划中的应用
- 24-2：【视频】Hybrid A star及其在车辆规划中的应用
- 第4节: Cartesian坐标系与Frenét坐标系
- 25-1：【视频】Frenét坐标系
- 25-2：【视频】Cartesian坐标系与Frenét坐标系的位置变换
- 25-3：【视频】Cartesian坐标系与Frenét坐标系的其他物理量的转换
- 第5节: 满足Bellman最优性的路径规划
- 26-1：【视频】 贝尔曼Bellman最优性原理
- 26-2：【视频】高速与低速轨迹采样
- 第6节: 基于优化的轨迹规划
- 27：【视频】基于优化的规划方法
- 第7节: Project 2：轨迹预测器与规划器
- 28-1：项目说明中的链接
- 28-2：【说明】Project 2 轨迹预测器和规划器
- 28-3：【项目】nuplan-devkit.rar
- 28-4：【作业】Project2
- 29-1：第三章优秀作业分享-Mulholland
- 29-2：【文档】第三章作业思路分享-rev同学
- 第4章: 时空联合规划
- 30：【课件】时空联合规划
- 第1节: 本章内容概要
- 31：【视频】本章节内容引言
- 第2节: 时空联合规划概念
- 32：【视频】时空联合规划的基本概念
- 第3节: 基于搜索的时空联合规划方法
- 33-1：【视频】三维时空地图的构建
- 33-2：【视频】基于Hybrid A star的时空联合规划
- 第4节: 基于迭代计算的时空联合规划
- 34-1：【视频】迭代计算方法的流程
- 34-2：【视频】参考轨迹与跟踪轨迹的规划
- 第5节: 基于时空走廊的轨迹规划方法
- 35-1：【视频】语义时空走廊的轨迹生成框架
- 35-2：【视频】时空走廊的生成
- 35-3：【视频】基于优化的轨迹生成
- 第6节: 代码讲解
- 36：【视频】语义时空走廊规划的代码讲解
- 第5章: 决策过程
- 37：【课件】决策过程
- 第1节: 本章内容引入
- 38-1：【视频】有了Planning，为什么还需要decision-making
- 38-2：【视频】决策规划的一些思考
- 第2节: 马尔可夫决策过程及其关键要素
- 39：【视频】马尔可夫决策过程
- 第3节: Value Iteration/Policy Iteration
- 40-1：【视频】价值迭代
- 40-2：【视频】价值迭代举例
- 40-3：【视频】策略迭代举例
- 40-4：【视频】小结
- 第4节: Alpha Go & Alpha Zero中的决策
- 41-1：【视频】AlphaGo中的决策
- 41-2：【视频】AlphaZero中的决策
- 第5节: 本章内容回顾
- 42：【视频】本章内容回顾
- 第6节: 自动驾驶的决策：Safe RL
- 43：【视频】Safe Reinforcement learning
- 第7节: MPDM：简化的决策模型
- 44：【视频】Multipolicy Decision-Making
- 第6章: 不确定性感知的决策过程
- 45：【课件】不确定性感知的决策过程
- 第1节: 本章内容引入
- 46：【视频】本章内容介绍
- 第2节: 部分观测的马尔可夫决策过程
- 47-1：【视频】POMDP的思想以及与MDP的联系
- 47-2：【视频】POMDP的3种常规求解方法
- 第3节: EPSILON系统解析
- 48：【视频】EPSILON系统框架解读
- 第4节: MARC规划框架
- 49：【视频】MARC解析
- 第5节: 5.22直播答疑
- 50：【视频】5.22直播答疑
- 第7章: 数据驱动的预测方法
- 51：【课件】数据驱动的预测方法
- 第1节: 多模态传感器的编码方式
- 52-1：【视频】章节介绍
- 52-2：【视频】编码方式：栅格化表示
- 52-3：【视频】编码方式：向量化表示
- 52-4：【视频】编码方式：基于点云或多模态输入的预测
- 52-5：【视频】编码方式：基于Transformer的方法
- 53：【视频】编码方式小结
- 第2节: 输出表达形式
- 54：【视频】输出表达形式
- 第3节: 场景级别预测和决策
- 55：【视频】场景级别预测和决策
- 第4节: 长时预测
- 56：【视频】长时预测
- 第5节: 预测的评测指标
- 57：【视频】预测评价指标
- 第6节: 实验 3：基于数据驱动的预测
- 58-1：【说明】Project 3 数据驱动的预测
- 58-2：【代码】VectorNet_NuPlan.zip
- 58-3：【作业】Project3
- 第8章: 数据驱动的规划方法
- 59：【课件】数据驱动的规划方法
- 第1节: 本章内容介绍
- 60：【视频】本章内容介绍
- 第2节: 生成模型
- 61-1：【视频】生成模型：Diffusion-ES
- 61-2：【视频】生成模型：UniGen驾驶场景生成
- 61-3：【视频】生成模型方法总结
- 第3节: 模仿学习
- 62：【视频】模仿学习
- 第4节: 强化学习
- 63：【视频】强化学习
- 第9章: 数据驱动前沿算法与发展趋势
- 64：【课件】数据驱动前沿算法与发展趋势
- 第1节: 端到端自动驾驶引入
- 65：【视频】端到端自动驾驶引入
- 第2节: 端到端自动驾驶
- 66-1：【视频】端到端自动驾驶的早期尝试
- 66-2：【视频】基于模仿学习的端到端系统
- 66-3：【视频】基于强化学习的端到端系统
- 66-4：【视频】多模态融合的自动驾驶
- 67-1：【视频】模块化端到端 UniAD
- 67-2：【视频】模块化端到端 VAD系列
- 67-3：【视频】端到端系统评测
- 67-4：【视频】端到端自动驾驶的局限与挑战
- 第3节: 自动驾驶与多模态大模型
- 68-1：【视频】多模态大模型对自动驾驶的启发
- 68-2：【视频】自动驾驶语言可解释性
- 68-3：【视频】自动驾驶文本数据集
- 69-1：【视频】基于场景文本特征的规划模型
- 69-2：【视频】场景特定特征对齐的规划模型
- 69-3：【视频】闭环多模态大模型
- 69-4：【视频】大模型特性探索及其局限与挑战
- 第4节: 开放问题讨论
- 70：【视频】开放问题讨论
