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。