YeeKal
autopilot

自动驾驶决策规划

YeeKal • •
"#autopilot"

车体

  • 传感器
    • 相机
    • 激光雷达
    • 毫米波雷达
    • 超声波雷达

感知

视觉感知

  • 视觉：
    • 传统视觉：特征，统计
    • 深度学习：
  • 视觉感知：
    • 传统视觉：车道线B-Spline拟合/DPM物体检测
    • 深度学习：yolo/ssd/xpilot

SFM:

dtam: 从时序图估计出深度 MVDepthNet:单目深度估计 atlas: atlas

requirement

  • 熟悉路径规划相关算法(A*,RRT,Lattice planner等),了解机器人决策系统,如决策状态机、决策树、专家系统,强化学习,POMDP
  • 深度学习,强化学习,数值优化,模型预测控制,车辆动力学模型
  • 运动规划和控制（包括但不限于图搜索、轨迹规划/优化、不确定性下的规划、最优控制/MPC/LQR）、自动规划（PDDL/POMDP）、强化学习
  • 自动驾驶决策控制与运动规划 Decision Making And Motion Planning, DMAP
  • 模型预测控制: model predictive control
  • POMDP: Partially Observable Markov Decision Processes

规控

  • 全局规划
  • 决策：换道/超车/减速
  • 运动规划
  • 控制：根据当前状态跟踪轨迹

路径规划

  • 基于搜索： a-star/dijkstra
  • 基于采样: rrt/rrt*
  • 动力学约束下的运动学规划(kinodynamic path planning)
    • 两点边界值最优控制问题State-state Boundary Value Optimal Control Problem
    • 状态栅格搜索算法 State Lattice Search
    • 动力学约束RRT算法 Kinodynamic RRT
    • 混合A算法 Hybrid A

安全性和舒适性

  • contingency planning 防御性规划
  • risk-aware planning 预期风险规划 （障碍物的梯度）

轨迹规划

  • 多项式插值
  • Dubins曲线[33]和Reeds and Sheep

最优控制

  • mpc: model predictive control

自动规划/端到端

  • PDDL/POMDP

ref

← Back to autopilot