0210更新【论文阅读目录】

前言唠一唠：
2022/1： 好像马上就要20篇了 完成这个2020年8月的愿望了，其实在自己的notion上 已经超过了20了把 有些没有一并分享出来，但是我一直觉得知识应该开源 尽管这样在前期 得不到反馈的时候 会很累 就像当初做字幕一样 做着做着 太累了… 然而后面看到b站点赞和收藏 好像有了动力确没了热情 hhhh
2021/9：步入第二年了，然而还没有什么自己的进度 还在疯狂汲取巨人们的成功，尝试先爬上肩膀
2020/8：MPhil 研究型硕士第一年(HKUST) ，导师方向 无人驾驶 所以就大方向早早确定
中方向自己很想做： Self-Driving End-to-End 端到端的输入输出，但是和师兄聊天得知这个领域很难在现实中实现（毕竟这种无知内部的输出开车撞人了咋办） 但是还是想先闯一番，独自一人探索中，那么第一步就开始了 -> 文献综述 Literature review 这个系列可能不止一个方向，motion planning, fusion什么的可能都会仔细看一点
其中很多解释文字，可能不尽人意甚至是有误导，请各位大佬看的时候觉得不对的，留个言，我会定期改正自己的文字与想法（毕竟我说出来的都成我的认知了），从开始可能中英分开，中间中英夹杂可能部分人不适应，再到后面可能英文的解释越多（没办法毕竟后面写也得英文… 博客就当一遍写一遍理解练习？） 唠完了 那么走
然后最新 又回到传统方案了 所以后面传统不急于深度学习的会多一点，务实…

最近更新：

• 2022/01/16：更新GRI一文，也是leaderboard上的 arxiv 刷的时候刷到了 就看了看 感觉框架想法不错
• 2021/12/31：添加MaRLn一文，基本在刷carla leaderboard上开源和有论文的所有文章 看看想法
• 2021/12/13：添加transfuser一文，快到20篇了，最近又回到学习了hhhh 主要是传统emmm 我看不到搞头，看了一下 算是给毕业论文当综述了，学习还是比较好玩 虽然都是那几个网络，但是总会有耳目一新的hhh
• 2021/1122：添加OBCA方案，用凸优化做的碰撞检测问题，然后有julia源码，apollo也用这个实现了TDR-OBCA，后面再看看这篇对着apollo代码看看 毕竟julia不能上车…
• 2021/0906：新添加了DWA、沈老师团队的两篇论文，但是还没看完代码，等待整理完，快了快了，20篇冲啊！
• 2021/803：添加了world on rails一文，对这个作者佩服的五体投地！

友情参考：博客园主页：https://www.cnblogs.com/kin-zhang

Introduction - 萌生 从0开始

因为传统的驾驶步骤应该是：！首先具备躲避能力，再次基础上搭传感器！【1.感知】然后就是去建图【2.建图】当你有了一幅地图，你才能开始导航 -> 做规划，这里分对于路径的规划与对于车辆的运动控制规划，路径的就是类似于寻路问题？运动控制就是这个路径上我怎么走，怎么沿着他走，怎么转弯？【3.路径规划】【4.控制规划】

然后在这个传统上我们已经能看见最明显的问题了，也就是这个路径上我怎么走，方向盘打多少？油门推多少？包括每一个动作可能也要单独设计，比如转弯 左转右转的大小，不同大小道的掉头，是不是也会导致掉头的参数不一致？

所以 end-to-end self-driving 萌生了！end-to-end是什么？端到端——也就是类似于用神经网络【这个词不高大上，在你听完吴恩达系列的时候 他只是一种解决问题的工具，还是那种最懒的 什么都让电脑自己学去吧，只要神经元够多，我就不怕，这也是为什么神经网络很早就提出了但是迟迟没有得到发展】打个比方——一张图，我要识别这是猫是狗？emm 对于我们人来说我们也是经过小时候才知道哦！这是狗，这是猫，没有啥难度，对电脑来说 它们是一堆数据，一堆像素点，像素点上有RGB三个的大小，端到端就类似于我去学，一大堆权重，0/1告诉我，这个像素点对于识别猫狗的准确率？【我感觉我没表达清 有点带偏了？】 好吧 我放弃了 大家转到3Blue1Brown的介绍好了 hhhh

那么接下来就是这咋用在自动驾驶呢？hhh 当你能识别猫狗的时候，假设一张图你识别的是左转右转操作（当然还有停车踩油门操作）是不是悟了，说着简单是因为我只引入了一个也就是图！假设传感器的输入就是一张图！例如89年CMU的这一篇： 从这里萌生——第零篇

[0] Pomerleau, Dean A. Alvinn: An autonomous land vehicle in a neural network[J]. Advances in neural information processing systems. 1989: 305-313.

实不相瞒，其实这是我本科毕业要翻译的论文，但是赶工期，所以基本google了，我尽量把摘要部分翻的 人能看懂的程度了：
ALVINN（基于神经网络中的自动驾驶汽车）是专为道路跟踪任务而设计的3层反向传播网络，通过输入从摄像机和激光测距仪获取的图像，输出车辆应遵循的行驶方向来驾驶汽车。并且它能够使用模拟仿真道路图像进行训练。卡内基·梅隆大学设计的自主导航测试车上的测试表明，该系统在某些野外条件下能够精确地沿着真实道路行驶。此外，这种新的自适应异常的自主导航系统在每种不同条件下训练时，会输出专门的行驶方案。它能够根据当前条件选择最合适的方案，输出正确的转向方向。

花了十几分钟 尝试去讲表述一个自己想要尝试的方向？引用一位毕业的从事科研的哥告诉我的：如果你想要了解某个方向，搜集至少200篇有关论文，写出一篇综述。这样，你不仅了解了这个方向，同样也有了一篇小论文。【多读论文才是研究生入门的基本途径】
再加上英语课要开始 -> academic writing，那么正式进入文献综述啦，（希望我写着写着不会半途而废，200篇不可能了，20篇 我尝试一下）

【01】End to End Learning for Self-Driving Cars - Literature review 1

转至博客园：【论文阅读】End to End Learning for Self-Driving Cars

【02】DSDNet Deep Structured self-Driving Network - Literature review 2

转至博客园：【论文阅读】DSDNet Deep Structured self-Driving Network

【03】Motion Planning through policy search

【论文阅读】Motion Planning through policy search

【04】PRM-RL Long-range Robotic Navigation Tasks by Combining Reinforcement Learning and Sampling-based Planning

【论文阅读】PRM-RL Long-range Robotic Navigation Tasks by Combining Reinforcement Learning and Sampling-based Planning

【05】Socially aware motion planning with deep reinforcement learning-annotated

【论文阅读】Socially aware motion planning with deep reinforcement learning-annotated

正在进行中，年前看的一直看一半没看了…

不过从这里开始后面估计会很频繁阅读，因为有压力下了，这时候可能不会再精读细读了而是摘要过一下？
但愿这个系列还能坚持到20篇的

【06】A Survey on Policy Search Algorithms for Learning Robot Controllers in a Handful of Trials

这篇是TRO的文献综述版，当初我读的时候很多基础知识都没有补充足，最近再看的时候（没错这篇论文我读了3遍 断断续续 打工人啊）觉得 TQL!!! 但是我至今还没有整理完，感觉后面越看越知道了怎么样看论文哎（但是一篇还是要好久好久 主要是套娃严重）

正在进行中

21/07/13 中途插播

2021/07/13: 一直以来，很嫌弃cnblogs的默认主题，然后今天我发现了原来Github上有超多开源的主题，然后我又好了，其实时至今日，应该阅读有20篇了 只是记录很多时候都随随意意的写，比如在ipad手写，notion随便几笔，这样，这几天一直在review 大佬的论文，学到了好多东西！然后自己的想法也开始完善起来了
后面有写其他的论文，但是很多时候写的时候加了自己的想法，所以论文还没发之前估计不会提前发布文章（notion）
对了后面其实我也找到了超爽的notion，csdn开始被我嫌弃了，但是又没被我嫌弃，主要是csdn搜索引擎太好了，就是可以直接搜索到，相对比于cnblog 博客园新文章就很难被搜到，再加上我写的时候一直在看怎么调目录出来，现在好了 主题解决了；但是吧 CSDN广告有点多，所以就在这边做总结，那边发布好了…

贴一下博客园主页吧：https://www.cnblogs.com/kin-zhang
然后是关于找到的博客园主题：https://github.com/BNDong/Cnblogs-Theme-SimpleMemory
文档超棒，非常简单的设置 😃 超nice!!!

【07】 Optimal Trajectory Generation for Dynamic Street Scenarios in a Frenet Frame

这篇其实在CSDN上也发了 因为随着源码，所以也一起放在CSDN上了，但是其实notion外链是最好看的… 因为是在那上面写的，导出markdown多多少少有些问题（但比知乎连公式都显示不全可好太多了！）

1. CSDN：https://blog.csdn.net/qq_39537898/article/details/118515386
2. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15006838.html
3. 最终级美观 notion外链版
   但是还是麻烦给个赞什么的(CSDN/博客园)，因为notion外链emmm 看不到观看的，虽然说是笔记，但是总是希望能看到一起学习的人儿统计感觉更棒

【08】 Learning by Cheating

正在进行中，已完成一部分，感觉挺棒的想法

【09】Learning to drive from a world on rails

上一篇同出一个作者，正在进行中，已完成一部分，不得不佩服这个作者真牛皮

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15094246.html
2. 最终极美观 notion外联版 因为这个加了自己杂七杂八的想法 所以暂时先不发链接了

【10】The Dynamic Window Approach to Collision Avoidance

这篇其实本科做毕设的时候就看过，但是当时基本是匆匆调库，并没有深入论文去一行行对着代码看，这次正好有机会了 重温一下，顺便试一下直接拿markdown做的笔记，所以格式什么的在CSDN和博客园都很优美 hhhh

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15211490.html
2. CSDN：https://blog.csdn.net/qq_39537898/article/details/120023511

【11】Safe Trajectory Generation for Complex Urban Environments Using Spatio-temporal Semantic Corridor

看完了但是还没有对着源码看，其中有些问题，阿冰哥也帮忙做出了解答，就是直接约束求解那块还得看看代码的具体实现步骤，不然总觉得不得要领
要不后面先把 论文部分放上来

【12】Efficient Uncertainty-aware Decision-making for Autonomous Vehicles Using Guided

和上面那一篇同出沈老师的团队，打算看还没开始，最近还在整理杰哥的杰作思路和对代码。
其他项目上的杂事也很多 emmm 时不时就会有点累 emmm

【13】Optimization-Based Collision Avoidance

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15591088.html
2. CSDN：https://blog.csdn.net/qq_39537898/article/details/121483647

【14】 Multi-Modal Fusion Transformer for End-to-End Autonomous Driving

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/articles/15685464.html
2. 站内版本：https://blog.csdn.net/qq_39537898/article/details/121915792

【15】 Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts?

已写完 秉承着 一周一篇更新速度把

1. xx
2. xx

【16】 Pylot: A Modular Platform for Exploring Latency-Accuracy Tradeoffs in Autonomous Vehicles

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15708239.html
2. 站内版本：https://blog.csdn.net/qq_39537898/article/details/122027970

【17】End-to-End Model-Free Reinforcement Learning for Urban Driving Using Implicit Affordances

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15754221.html
2. 站内版本：https://blog.csdn.net/qq_39537898/article/details/122261368

【18】GRI: General Reinforced Imitation and its Application to Vision-Based Autonomous Driving

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15811714.html
2. 站内版本：https://blog.csdn.net/qq_39537898/article/details/122261368

【19】Exploring the Limitations of Behavior Cloning for Autonomous Driving

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15830742.html
2. 站内版本：https://blog.csdn.net/qq_39537898/article/details/122624089

【20】Can Autonomous Vehicles Identify, Recover From, and Adapt to Distribution Shifts?

1. 无广告博客园版：https://www.cnblogs.com/kin-zhang/p/15879803.html
2. 站内版本：https://blog.csdn.net/qq_39537898/article/details/122864017

系列完结撒花！

2022/02/10 最近太忙了… 后面再留感想