课程14：Q&A 4

Office Hours Week 4

1.   寻路器（planner）给控制器(controller)的参数还不是那么地精确。

2.   无人驾驶汽车，目前不会考虑到其他汽车的喇叭声，也不会发出喇叭声。目前没有对音频通信做处理。一个原因是很多地区的习惯问题。

3.   A*算法用于无人车路径规划的话，当向前open区块的时候，它不能处理分支结果。默认地，你的处理多个结果。所以它不好处理。(自注：迷宫中或者有精确启发函数的地图中还是能用的。)，效率不高。

他认为谷歌地图中，查询点到点的距离时，使用了提前缓存的技术，导致这种规划，很多时候变成了查表，因此很快。

4.   Junior 的路线规划策略大概是什么样的规模？

答：在Junior和谷歌自动驾驶车的案例中，做的路径规划其实不多。基本的规划只是在无人车的视界和无人车的水平线上。它把从A点到B点的路径规划交给了谷歌地图，然后沿着一条确定的路线。车本身的行驶规划是一个x,y,orientaion这样的低维度的规划。

5.   课程 14 中，有人问到说如何进行多目标的搜索，比如停车场找停车位。解答老师说，用A*和动态规划法都可以，他们都可以设定多个目标。在用A*的时候，你要保证你的启发函数是正确的或者是可接受的。

6.   关于那些转向的cost，在实际的无人驾驶中，是如何设置的，是静态的吗，还是动态的？

答：一张大地图上，设定A到B点后的路径后，大地图中的转向的代价cost是静态的，地图缩放到车自身位置附近，打开一个局部地图。这时会做很多local roll outs（局部卷积？），局部观察前方，或观察车轮的水平方向？将实际的转向cost填入。一般情况下，假如前面的车走得很慢挡住了，很少会换车道行驶。

7.   在设置启发函数的时候，我们可以将问题简化，以得到启发函数。比如在x,y,orientation 这个3维方向的移动路线规划时，可以按照二维的情形，给出启发函数值。又如在一个有障碍物存在的地形中，也可以假定障碍物不存在的情况，给出启发函数值，因为明显地，如果路线经过障碍物，往往路线长度要比没有障碍物更长/差，这样来说，设定的启发函数值也就是可接受的了。

8.   接下来的第五章会讲控制。并且从离散世界进入连续世界。第六章讲如何把他们融合在一起。