1. 课程资料

• 德国蒂宾根大学的自动驾驶课程 (Self-Driving Cars, lectureed by Prof. Andreas Geiger, University of Tübingen)
  • 课程视频 | Youtube
  • 课程主页
  • 其他课程资料 | 百度网盘，提取码：xbej

本专栏的主要学习资料即来自于蒂宾根大学的自动驾驶课程，本专栏的 Github

• 多伦多大学的自动驾驶课程(Launch Your Career in Self-Driving Cars. Be at the forefront of the autonomous driving industry.)

  • 课程视频 | Coursera

• 德国波恩大学的自动驾驶课程 (Techniques for Self-Driving Cars" taught at the University of Bonn)

  • 课程视频 | Youtube
  • 课程主页

• MIT 的自动驾驶课程 (Self-Driving Cars: State of the Art (2019), taught by Lex Fridman)

  • 课程视频 | youtube
  • 课程主页
  • 代码仓库 | Github

2. 模拟器

由于自动驾驶的模拟器实在是太多了，所以这里暂时就介绍几个我个人觉得比较好用且论文里常见的。当然可能还有一些模拟器也很常见但我没有介绍到，是因为我没有用过。

• Carla 应该是目前来说用于强化学习单车智能最好的模拟器。
• TORCS 一个开源的赛车游戏，因为开源所以被很多人用来做强化学习训练自动驾驶 AI。
• MetaDrive 港中大开发的一款自动驾驶模拟器，支持多智体的开发。由于港中大的自动驾驶课题组都在用，所以论文找起来很方便。

3. 比赛

• CARLA Autonomous Driving Challenge
  • 基于 Carla 模拟器
  • 比赛规模很大。学界和工业届都会参加
  • 提供 RGB、深度、分割、GPS 和 IMU 传感器
  • 基本上参加比赛的队伍都会发表至少一篇论文
  • 随机找的 比赛论文
  • 随机找的 代码仓库

• Learn to race challenge
  • 基本上每年都有比赛
  • 一般都是 CMU 主办
  • 基于 OpenAI gym 的模拟器
  • 提供 RGB、深度、分割、GPS 和 IMU 传感器
  • 使用强化学习
  • 比赛 论文
  • 官方提供的 代码

• DeepRacer | AWS
  • 基本上每年都有比赛
  • 比赛需要使用 ASW 的服务器进行训练
  • ASW 开发的模拟器
  • 场地内只有一辆带有摄像头的小车
  • 使用强化学习

4. 论文

读论文是学习自动驾驶的必经之路。

目前自动驾驶的解决方案一般分成两种，一条是工业届目前使用的比较多的 pipeline，即，将自动驾驶任务拆分成多个小块然后一块一块的解决。一般是分成以下五个小块：

另外一条路是直接使用强化学习算法由传感器直接到控制，目前这个方法学界研究的比较多，因为需要开发新的算法，难度很大。

• 下篇：AD1. 自动驾驶的简介和历史

本文使用 Zhihu On VSCode 创作并发布