自動運転は一般に 4 つの基本モジュールに分かれています: 知覚、予測、計画、制御です。各モジュールは独自の任務を実行し、明確な役割分担があります。今日はオートボットが計画と制御についてお話しします。一般に、計画管理には次の 2 つの目的があります。
1 つは、車両の移動に関するグローバル プランニング (地点 A から地点 B へのルートの実行)、行動上の意思決定 (車線変更や追い越しの判断など)、ローカル プランニング (ローカルな走行軌跡の計画、障害物の回避、等。）;
2つ目は、車両を正確に制御して、計画した軌道に従って走行することです。
自動運転・ロボットアルゴリズムプロセス全体の最下流モジュールとして、計画制御は自動運転の安全性と快適性を直接決定します。適切な規制は、ドライバーと同乗者の運転体験に直接影響します。たとえば、方向転換がスムーズかどうか、後続車を追従するときに前の車がどのようにブレーキをかけるか、前の車にどのように対処するか、予定の車線に合流できるかどうかなどです。複雑な交差点での合流などに間に合うように。
これらの複雑な制御の背後には、制御および制御モジュールが役割を果たしています。始めたばかりの多くの友人は戸惑っています。制御と制御とは何ですか? サブフィールドとは何ですか? 各フィールドにはどのようなアルゴリズムが含まれていますか? これらのアルゴリズムはどのように実装されているのでしょうか? メリットとデメリットは何ですか? どのシナリオが該当しますか? 全体として、車両は経路計画から始まり、運転プロセス中の知覚と位置情報に従って、対応する決定 (追従、車線変更、加速など) を行います。そして、上流の意思決定の結果に従って、動作計画モジュールが対応する軌道情報、速度、加速度、ステアリングホイール角度情報をリアルタイムで出力し、制御モジュールが対応する制御を実行します。
また、国の新エネルギー車産業の発展への強力な支援を受けて、大手企業も関連職種の採用を強化しており、求人サイトを見ましたら関連職種の平均月給は4万を超えています。 , 年収は60万です。年収100万以上のハイレベルポジションも多数あり！
早起きは誰も待ちません！コードをスキャンして割引を受けて研究に参加してください。
学ぶのが難しい
全体として、計画制御には、認識よりも理論的な知識が必要です。現在、企業の世界で主流の規制および制御アルゴリズムには、PID、LQR、MPC などの制御アルゴリズムと、A*、ハイブリッド A*、Lattice Planner、EM Planner などの計画アルゴリズムが含まれます。この期間中、多くの小規模パートナーが計画と制御関連の問題について相談してきました。実際、私たちも計画と制御に非常に興味を持っています。市場での計画と制御に関連する学習教材の品質にはばらつきがあります。さらに踏み込んだピット:
計画制御アルゴリズムは種類が多く、ネット上にも体系的な学習教材がなく、始めたばかりの学生にとっては何から始めればよいのか分からず、論文も中途半端な知識…。
さまざまな計画制御アルゴリズムの長所と短所が理解できず、さまざまなシナリオでどのアルゴリズムを選択すればよいかわからない
業界にどのような技術スタック人材が不足しているのか分からず、独学で学ぶ過程で間違った方向性を掴みやすい
学習プロセスにおける全員の課題を分析した後、自動運転の心臓と業界大手メーカーの規制制御エンジニアが共同でオンラインコース「計画制御理論と実践コース」を磨き上げました。計画制御を始めたい、アルゴリズム原理を深く理解している、またはこの分野の技術的能力を向上させる必要がある、最適化方法がわからない、プロジェクトでの実践経験が不足している場合は、このコースを学習する必要があります。コースの内容は、計画アルゴリズムを詳細に紹介します。基礎知識、水平および垂直デカップリング/共同意思決定計画フレームワーク、一般的に使用される制御アルゴリズム (PID、LQR、MPC など)。
このコースは、最も基本的な計画制御モジュールの概要と定義から始まり、探索/サンプリング/車両運動学/数値最適化に基づく関連する計画アルゴリズムを含む計画アルゴリズムの基礎知識の説明に進み、その後、意思決定の計画フレームワーク (水平ソリューションと垂直ソリューション) の結合、水平垂直組み合わせ) の説明、最後に一般的に使用されるいくつかの制御アルゴリズム (PID、LQR、MPC) について説明し、PnC が直面する課題について議論しました。 A*、RRT*、状態格子プランナー、QP パス最適化、および MPC の軌道追跡アルゴリズムに基づく。
まず、このコースの概要を見てみましょう。このコースは豊富な内容であり、基礎ゼロの学生が効率的に学習し、すべての知識ポイントを迅速に習得するのに非常に役立ちます。
実戦とプロジェクトの理論を組み合わせたもので、実戦コースの授業後の実戦コードは、学習と練習後にすぐに習得できます。
合計5つの主要な戦闘プロジェクト
このコースには、すべての小さなパートナーが楽しく知識を学ぶことができるように、[教師による指導] + [質問に答えるティーチングアシスタント] の完全なサービスが含まれています。
戦闘 1: 学校の採用面接で必須の A* を達成する、ディクストラ。
戦闘 2: RRT* アルゴリズムを実現します。
戦闘 3: 状態格子プランナーを実装します。
戦闘 4: QP に基づくパス最適化アルゴリズムを実現します。
戦闘5：MPCベースの軌道追跡アルゴリズムを実現！
コースウェアコードはすぐに入手可能
詳しい解説は理論だけでなくコードや実践まで徹底解説！
充実の動画解説でモデルの基本骨格を頭の中に構築し、あらゆる知識をしっかり理解して執筆スピードを向上させます。
講師
ニン・ユアン氏は、自動運転の中核となる最先端技術研究チームのメンバーで、長年自動運転アルゴリズムの分野に深く関わっており、現在は大手自動運転企業チームのシニアアルゴリズムエンジニアを務めている。業界の企業で自動運転計画制御アルゴリズムの研究とエンジニアリング実装において豊富な経験を持っています。
コース収穫
計画アルゴリズムの理論的基礎を深く理解しており、コードの実装が大幅に向上しています。
意思決定の計画フレームワークを深く理解し、共通の水平垂直デカップリングおよび水平垂直共同計画フレームワークを習得します。
一般的に使用される制御アルゴリズム (PID、LQR、MPC) をマスターします。
このコースを修了すると、約1年間で自動運転規制技術者のレベルに到達できます。
多くの業界関係者や学習パートナーと交流しましょう!
群衆に適した
車両エンジニアリング、オートメーション、自動車エレクトロニクス、コンピュータサイエンス、ソフトウェアエンジニアリング、モーションコントロールなどの学士/修士/博士号。
自動運転の計画・制御に関わるアルゴリズムエンジニア。
自動運転規制アルゴリズムに移行したい友人。
このコースに必要な基礎
特定のプログラミングの基礎があること (C/C++ または Python)。
高度な数学、線形代数、行列理論の特定の基礎。
授業時間と学習スタイル
2023 年 7 月 18 日に正式に学習への道が始まり、2 か月後にはオフラインのビデオ講義が行われました。WeChat学習グループでは講師が質問に答え、コースではアルゴリズムやコード、環境構成などの問題を一つ一つ解決していきます！
コース相談
早起きは誰も待ちません！コードをスキャンして割引を受けて研究に参加してください。
コードをスキャンしてアシスタント コンサルティング コースを追加してください。
(WeChat: AIDriver004)
