智驾人在路上的博客

本文主要介绍OBB碰撞检测算法及代码实现

本文主要讲述蒙特卡洛树搜索算法在智能驾驶行为规划中的应用，讲诉具体的代码及原理实现

本文主要讲解蒙特卡洛树搜索算法的原理以及举例说明如何使用该算法

将被控车辆与周围其他车辆以一种闭环策略进行建模，假设其他车辆会做出合理，安全的决定，从而增加不确定性。对于每个候选策略，我们从当前世界状态中采样，使用前向仿真器模拟自车和其他交通参与者的未来行为，从而得到最优策略。然后，我们可以根据驾驶行为的采样结果来评估奖励函数，比如达到目标的快速性以及驾驶舒适性。此外，我们从部分可观察的马尔可夫决策过程(POMDP)模型(参见教程[3])中以原则性的方式开发了我们的方法，因为它提供了一个强大的框架，可以同时考虑最优性标准和动态环境的固有不确定性。

Efficient Uncertainty-aware Decision-making for Automated Driving Using Guided Branching：基于引导分支的自动驾驶高效不确定性决策摘要由于其他交通参与者的潜在随机行为和感知不确定性(如跟踪噪声和预测误差等)，自动驾驶汽车在密集交通场景中的决策具有挑战性。虽然部分可观察马尔可夫决策过程(POMDP)提供了一种系统的方法来整合这些不确定性，但当扩展到现实世界的大尺寸问题时，它很快变得难以计算。在本文中，我们提出了一个高

本文主要讲解EPSILON可视化环境的搭建过程以及如何单步调试