☃️免费教程输出不易~大佬关注一下吧☃️

端到端-理论与实战视频课程

端到端论文解读

感知论文解读

动手学运动规划

动手学轨迹预测

轨迹预测论文解读

动手学Apollo

动手学行为决策

动手学控制理论

强化学习入门笔记

password

icon

summary

date

type

slug

status

title

控制理论进阶课程

端到端-理论与实战

总表

类型为Notice的文章将被显示为公告

公告

搜索

🏰主页

📃论文辅导

⭐面试辅导

🌐全平台账号

Github

知乎

哔哩哔哩

淘宝店铺

🧙 输出专业自动驾驶算法教程的开发者社区.

🧙关于我们🧙

论文辅导

面试辅导

控制理论进阶小班课

0.1 运动规划算法介绍

0.2 环境配置和代码运行

1.1 车辆运动学:自行车模型

1.1.c 车辆运动学:自行车模型代码解析

1.2 车辆运动学:阿克曼转向模型

1.3 碰撞检测算法:AABB, SAT

1.3.c 碰撞检测算法:AABB, SAT代码解析

1.4 碰撞检测算法:GJK

1.4.c 碰撞检测算法:GJK代码解析

1.5 Frenet坐标系

1.5.c Frenet坐标系代码解析

2.1 基于5次多项式的参数方程曲线(Quintic Polynomial)

2.1.c 基于5次多项式的参数方程曲线代码解析

2.2 3次样条曲线(Cubic Spline)

2.2.c 3次样条曲线代码解析

2.3 贝塞尔曲线(Bézier Curve)

2.3.c 贝塞尔曲线代码解析

2.4 3次螺旋线(Cubic Spiral Curve)

2.4.c 3次螺旋线代码解析

2.5 Dubins曲线

2.5.c Dubins曲线代码解析

4.6.c Hybrid A*代码解析

4.6 Hybrid A*算法

4.5.c A*代码解析

4.5 A*算法

4.4.c Dijkstra代码解析

5.5.c PiecewiseJerkPathOptimizer路径优化代码解析

5.5 基于PiecewiseJerk的路径优化方法

5.4 二次规划问题:QP优化

5.3.c 线搜索方法代码解析

5.2.c 梯度下降法,牛顿法代码解析

5.3 数值优化基础:线搜索

5.2 数值优化基础:梯度下降法,牛顿法

5.1 数值优化基础:基本概念

VectorNet

4.4 Dijkstra算法

4.3.c BFS代码解析

4.3 BFS

4.2.c DFS代码解析

4.2 DFS

4.1 图搜的基础

3.4.c 确定性采样:基于采样空间采样代码解析

3.4 确定性采样:基于状态空间采样

3.3.c 确定性采样:基于控制空间采样代码解析

3.3 确定性采样:基于控制空间采样

3.2.c RRT代码解析

3.2 随机性采样: RRT

3.1.c PRM代码解析

3.1 随机性采样: PRM

2.6.c Reeds Shepp曲线代码解析

2.6 Reeds Shepp曲线

5. 本地开发基础（上）：系统安装

4. 入门Apollo仿真调试（下）

3. 入门Apollo仿真调试（上）

2. Apollo学习路径

1. 自动驾驶概述与Apollo平台介绍

Imitation Is Not Enough - 在运动规划中克服模仿学习的局限性

1 行为决策概述

1. 几何路径跟踪方法(Pure Pursuit和Stanley Method)

DTPP-KIMI

DTPP：自动驾驶中树策略规划的可微联合条件预测和成本评估

Query-Centric Trajectory Prediction

综述解读:The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review