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
课程价格：
￥899.00
预约下一期 *课程已报满，可预约下一期
支持花呗分期
*课程已报满，可预约下一期
- 1-1：【文档】环境常见问题汇总
- 1-2：【论文合集】丁文超老师高引用论文合集
- 1-3：【文档】开课仪式
- 第1章: 自动驾驶决策规划简介
- 2：【课件】自动驾驶预测决策规划简介
- 第1节: 自动驾驶概述
- 免费 3：【视频】自动驾驶概述
- 第2节: 自动驾驶的历史和背景
- 免费 4：【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 5：【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 6：【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 7：【视频】预测决策规划的重要性
- 第6节: 预测经典方案
- 免费 8：【视频】预测的经典方案
- 第7节: 课程Project介绍
- 免费 9：【视频】课程Project介绍
- 第8节: 课程基础技能
- 免费 10：【视频】课程基础技能
- 第9节: Project 1: nuPlan数据集准备
- 免费 11-1：nuPlan数据集准备
- 11-2：【课件】nuPlan数据集介绍与快速⼊门
- 11-3：【说明】nuPlan 数据集介绍与快速入门
- 第2章: 基于模型的预测方法
- 12-1：【课件】基于模型的预测方法
- 12-2：【资料】Wenchao Ding Thesis
- 第1节: 预测系统概述
- 13：【视频】预测系统概述
- 第2节: 定速度预测
- 14：【视频】定速度预测
- 第3节: 定曲率预测
- 15：【视频】定曲率预测
- 第4节: 短期预测 VS长时预测
- 16：【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
- 17：【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
- 18：【视频】基于模型的轨迹预测
- 第3章: 路径与轨迹规划
- 19：【课件】路径与轨迹规划
- 第1节: 本章内容概述
- 20：【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）
- 21-1：【视频】规划问题引入
- 21-2：【视频】Dijkstra算法原理
- 21-3：【视频】A star算法
- 第3节: 基于搜索的路径规划
- 22-1：【视频】A star在车辆规划中的应用
- 22-2：【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
- 23-1：【视频】Frenét坐标系
- 23-2：【视频】Cartesian坐标系与Frenét坐标系的位置变换
- 23-3：【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
- 24-1：【视频】 贝尔曼Bellman最优性原理
- 24-2：【视频】高速与低速轨迹采样
- 第6节: 基于优化的轨迹规划
- 25：【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
- 26-1：项目说明中的链接
- 26-2：【说明】Project 2 轨迹预测器和规划器
- 26-3：【项目】nuplan-devkit.rar
- 26-4：【作业】Project2
- 第4章: 时空联合规划
- 第1节: 本章内容概要
- 第2节: 时空联合规划概念
- 第3节: 基于搜索的时空联合规划方法
- 第4节: 基于迭代计算的时空联合规划
- 第5节: 基于时空走廊的轨迹规划方法
- 第6节: 语义时空走廊规划的代码讲解
- 第5章: 决策过程
- 第1节: 本章内容引入
- 第2节: 马尔可夫决策过程及其关键要素
- 第3节: Value Iteration/Policy Iteration
- 第4节: Alpha Go & Alpha Zero中的决策
- 第5节: 本章内容回顾
- 第6节: 自动驾驶的决策：Safe RL
- 第7节: MPDM：简化的决策模型
- 第6章: 不确定性感知的决策过程
- 第1节: 本章内容引入
- 第2节: 部分观测的马尔可夫决策过程
- 第3节: EPSILON系统解析
- 第4节: MARC规划框架
- 第7章: 数据驱动的预测方法
- 第1节: 多模态传感器信息表征
- 第2节: 网络输出表征
- 第3节: 场景级别预测和决策
- 第4节: 长时预测
- 第5节: 预测的评价指标
- 第6节: 实验 3：基于数据驱动的预测
- 第8章: 数据驱动的决策方法
- 第1节: 本章内容介绍
- 第2节: 生成模型
- 第3节: 模仿学习
- 第4节: 强化学习
- 第9章: 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
- 第2节: 端到端自动驾驶
- 第3节: 自动驾驶与多模态大模型
- 第4节: 开放问题讨论
