百度Apollo无人驾驶学习笔记之规划与决策(一)

本文探讨了无人驾驶中的基本运动规划问题,包括什么是路径规划、不同领域的规划定义、路径查找问题以及实际无人车规划的区别。重点讨论了全局与局部规划,A*算法在规划中的应用,以及无人车面临的动态环境变化、平滑轨迹优化和实时响应等挑战。同时,概述了无人驾驶硬件和软件系统的关键组件。
摘要由CSDN通过智能技术生成

(一) Basic motion planning and overview

What is motion planning?

  • 规划问题的本质是搜索问题
  • 我们要规划出一条比较好的路径,这个“好”是通过一个函数来定义的,我们一般把这个函数叫做目标函数F(x)。
  • 即给定现有的环境,然后去找到无人车如何运动的最优解问题。

不同领域对路径规划的定义是不同的

  • 机器人领域:如何生成一个轨迹去到达目标
    • RRT,A*,D* lite,Lattice Planning,and etc
  • 控制论:为到达目标状态的动态系统
    • MPC,LQR,and etc
  • AI:生成状态的映射
    • Reinforcement learning,end to end imitation learning,and etc

Path Finding Problem

  • BFS,DFS:为non-informative search,没有利用起点到终点间的信息,不知道目标在什么地方
  • A*:为informative search, 定义了一个heuristic function
  • 4
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值