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.)
-
德国波恩大学的自动驾驶课程 (Techniques for Self-Driving Cars" taught at the University of Bonn)
-
MIT 的自动驾驶课程 (Self-Driving Cars: State of the Art (2019), taught by Lex Fridman)
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
- 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。
本文使用 Zhihu On VSCode 创作并发布
评论(0)
您还未登录,请登录后发表或查看评论