从零开始学习自动驾驶决策规划深度强化学习实战项目

从零开始学习自动驾驶决策规划深度强化学习实战项目

本课程是为了帮助大家快速入门强化学习和学会应用深度强化学习进行算法的开发。
鉴于网上有许多开源的强化学习理论基础的视频，而且许多项目都是基于gym游戏进行开发的简单项目，并未涉及使用前沿的carla环境等自动驾驶仿真环境进行强化学习开发与讲解，所以本课程着重从模态化的单智能体和多智能体的深度强化学习入手，以实战项目为驱动进行学习，并设立有学习交流社区群，购买后即可加入，一起探讨科研问题。

先说一下，下单前可以尽情了解清楚是否适合自己（包括能否跑carla，具体的效果，想学习的内容，学习目的等等），仔细看博客的介绍和交流清楚问题。下单后不给予退款处理！！！，如果下单进群后还想以自己不适合用等借口要求退款的，请滚开不要浪费各自的时间。社区群是用来学习交流的，不是来和那些奇葩拉扯的。

原文链接：https://blog.csdn.net/weixin_39735688/article/details/131627490
优势：
1.强化学习基础理论视频很多，但是缺乏carla，highway，Airsim等仿真软件的项目讲解，本学习社区则包括这些。
2.多模态问题：多模态问题是热点，本项目也涉及多个模态。
3.很多付费课程只有一年期限，本学习社区无期限，直到学员不再接触此行业。
4.很多开源强化学习算法只涉及单智能体，本项目同时包括单智能体和多智能体。
5.学习交流社区可以展开自由的知识讨论，相互学习进步。

购买须知：
目前比较完善的是dqn和ppo算法，sac还有待验证，另外ddpg算法还没加。

期望：
1.集思广益，为大家提供一个科研和工程的学习交流平台。
2.如果需要一对一全程答疑完成毕设或投稿，需要另外谈价。
3.自主开发的工程具备计算机软件著作权和代码版权，禁止转让和倒卖。

下单后，进群学习+项目代码+代码答疑+科研交流+相互进步（如果是毕设需求一对一指导，需要二次付费）。目前套餐分为单智能体和多智能体，具体的内容如下：

单智能体实战应用与科研探讨套餐内容如下：

理论方面的学习交流（网上资料好的很多，不会进行理论录制视频），一般要学习到的基本知识包括：
1.贝尔曼方程和动态规划
2.蒙特卡洛
3.TD误差
4.GAE优势函数
5.基于值函数和基于策略的学习方法的概念和区别
6.on-policy和off-policy

算法方面的学习交流（网上资料好的很多，不会进行理论录制视频），一般要学习到的基本算法包括：
1.DQN
2.AC
3.PPO
4.PG和DDPG
5.SAC

项目代码的学习-本套餐的主要交流点，实战代码和经验分享讲解：
RL在carla上的实战应用示例 （有代码框架，视频还没出）
RL在airsim上的实战应用示例（待更新，比较慢）

注意：单智能体内容相对多智能体简单一些，也偏向于代码实战经验，与网上开源的代码是会有差别的，会指导如何添加自己的场景等。DRL算法涉及的新算法，比如Diffusion Policy等等，这些都可以交流到。

多智能体实战应用与科研探讨套餐内容如下：

一、多智能体强化学习理论和基础算法
3.1 Multi-agent Reinforcement Learning
3.2 Game Theory and Nash Equilibrium
3.3 Value Decomposition（待更新）
3.4 QMIX, QTRAN （待更新）
3.5 Multi-agent Autonomous Driving

二．协作感知与自动驾驶
2.1  协作感知的概念和原理（待更新）
2.2  Vehicle-to-Everything技术
   2.2.1 车路协同
   2.2.2 车车协同
2.3  感知融合
   2.3.1  激光点云融合
   2.3.2  视觉感知融合（待更新）
   2.3.3  选择通信（待更新）
   2.3.4  多模态融合（待更新）
2.4  协作式端到端自动驾驶

三．项目实战
3.1 基于MARL的交通控制
3.2 协作感知数据集与框架（待更新）
   3.2.1 DAIR-V2X
   3.2.2 OpenCOOD框架
3.3 协作感知应用示例（待更新）
   3.3.1 协作目标检测实战与实验
   3.3.2 协作式端到端自动驾驶实战和实验

当然了，以上列表只是参考，会不断更新完善，希望大家可以尽早学习加入，敬请期待。