HERR_QQ-CSDN博客

原创端到端课程自用 8 规划端到端与VLA 世界模型 RL的关系

"潜空间（Latent Space）"通常指通过深度学习模型（如自编码器、VAE、扩散模型、BEV特征提取网络等）将高维原始感知数据（图像/点云/LiDAR）压缩映射得到的低维、富含语义信息的特征向量空间。对于训练的影响从 data loop 到 training loop 无需要真实采集和标注而是在生成的交互场景中进行训练。简单说：潜空间是模型“理解”场景后的内部数学表示，而不是人类看到的原始像素或点云。优势：模仿学习有上限，受限于人类的水平通过合适的奖励函数发现比人类更好的做法。

2026-06-07 22:44:38 205

原创端到端课程自用 7 规划端到端的训练数据与评测方法笔记

nuplan 是后者升级版自动标注的，地点美国新加坡,3D 障碍物，红绿灯，高精地图支持轨迹预测规划任务支持闭环nuscenes。

2026-05-24 18:40:33 339

原创端到端课程自用 6 规划端到端的模型训练范式 AI 笔记

多loss平衡各种训练策略多种数据标注解决训练不稳定复杂度爆炸整体思路可以是训练感知和训练规划分开预训练 image backbone 为主要训练对象加上红绿灯检测辅助任务杆牌检测多loss平衡单帧训练学习3D感知能力 backbone 学习率要小多loss平衡主要学习 bev backbone 解码器：od former PETR方法 map former Maptr方法 occ header时序训练学习率适当减小 backbone 可以freeze先 freeze 其他模块

2026-05-08 11:58:12 210

原创端到端课程自用 4 规划基于自规划AR的端到端规划 AI 笔记

这是一个非常核心的架构认知问题。简单来说，“自回归大模型”是“怎么用”（一种生成策略），“Transformer”是“用什么”（一种底层架构）。它们共同构成了现代端到端自动驾驶的“大脑”。为了让你一眼看清全貌，我们先通过一个表格快速对比，再深入拆解。🧩 核心概念关系表一、自回归大模型（Autoregressive Large Model）三、与“之前架构”的根本区别你提到的“之前的架构”，通常指 CNN + RNN 或纯规则/优化的方案。区别主要体现在信息流和决策逻辑上。在 VAD、DriveGPT

2026-05-02 23:56:19 516

原创端到端课程自用 5 规划基于Difussion 的端到端planner AI 笔记

回顾 q base：回归与感知架构统一但是无法多模，打分与感知架构统一且有anchor词表简化了学习且多模回顾 ar自回归使用离散的 action tokenizer 逐步骤decode 但是按步骤来比较慢用TopK采样多模态本节端到端 Diffusion 加噪音天然多模态并行解码类比图片噪声处理训练阶段基于原始图像加高斯噪声然后去除噪声还原通过学习预测出需要去除的噪声推理阶段从完全随机噪声中去除噪声采样10-50步。

2026-05-02 23:53:57 441

原创 dirving transformer详读

这个文件不是“参数表”，而是论文设计的工程映射。是核心中的核心。query 数、memory 长度、trajectory mode 数量，是理解模型容量的关键。pipeline 和决定了模型到底能看到哪些几何与时序信息。

2026-04-26 12:30:31 351

原创端到端课程自用 3 规划基于query的端到端规划 AI 笔记

encoder 给到BEV特征 decoder去解码设计思路具体方法训练目标是什么和传统规划控制的对比在这里插入图片描述技术路线：端到端plan query based 回归多模轨迹困难，打分用anchor 先验，天生就是多模只一个分类打分问题自回归一步一步也可以多模态diffusion 给噪声然后学习去噪解码老师的总结。

2026-04-26 12:29:56 366

原创端到端课程自用 2课动静态感知decoder AI 笔记

动态障碍物感知 detection 和 tracking总结 query based 的内容核心：query表示一类目标的聚类这是最根本的思想。在传统目标检测中，模型需要在图像上预设大量锚点，或者用滑动窗口遍历，然后对这些“候选框”进行分类和微调。这种方法本质是“猜测-验证”。Query（查询向量）可以理解为模型内部的一组“提问”或“任务说明书”。每个Query是一个可学习的向量（一组数字）。它的目标是学习代表某一类目标的共同特征。

2026-04-22 15:42:15 409

原创端到端课程自用 1课感知部分

BEV Encoder 通过显或者隐藏式的feature表示传递给下游下游通过不同目标的decoder 基于bev encoder出来的特征来工作什么是dense 什么是 sparse bev常见的感知任务occupancy 用vixel表示带有语义还有对应属性2D 目标检测发展过程 AI解读第一部分：上半部分——从手工特征到统一大模型这部分展示了技术范式的根本转变。2012 AlexNet 出现之前：手工设计特征与浅层模型。

2026-04-15 23:29:39 418

原创 [toolschain] UT 使用Mock 工具方法记录来自与Ai问答

public:// 虚函数，便于 mockMock 不是“可选技巧”，而是现代 C++ 单元测试的基石。硬件昂贵、资源紧张（如你提到的“vehicle resource is quite limited”）安全关键系统要求高覆盖率（ASIL B/C/D）需要在无实车环境下完成大部分验证✅ 因此，使用 Mock 是实现高效、可靠、自动化测试的必要手段。如果你想，我也可以提供这个例子的完整 GitHub 项目结构或 Bazel 配置模板。欢迎继续提问！// 随机弱信号方法用途。

2026-02-28 15:45:57 690

原创端到端课程自用 0课前预习

开课前，建议提前看一下两篇论文 UniAD 和 DriveTransformer（必读）。开课前可以提前了解一下BEV和OCC感知，以及传统规划和基于神经网络的规划器；也可以在网上了解一下各家自动驾驶厂商的端到端方案。

2026-02-26 17:59:05 431

原创 Acado 实战使用车辆横纵的控制

本文是之前acado使用的后续文章，使用了简单的车辆运动学来说明acado 如何使用generator生成代码并被调用，这一模块，是在自动驾驶公司量产基于MPC控制，使用的过的模型。MyACADOProject_codegen 是通过正常的make cmake 生成的二进制，对于我其他的例子，已经是能运行求解问题，给出答案的文件，这里我再给出我的生成器代码和对应的cmakelist，我的cmakelist还包含了其他的我的案例，可以先忽略。这里的 src_codegen 是我建立的使用生成器的例子。

2026-02-03 16:22:32 612

原创【cpp tool】GDB coredump vscode GUI 和多线程常用笔记

本文总结了GDB调试与VSCode调试ROS程序的核心要点： GDB调试基础编译建议使用-g -O0 -fno-omit-frame-pointer保留调试符号常用命令：bt查看调用栈、info threads查看线程、frame切换栈帧 coredump调试需确保生成未剥离的二进制文件 coredump配置设置core文件存储路径：kernel.core_pattern=/path/core_%e_%p_%t 需确保目录权限和磁盘空间永久生效需写入/etc/sysctl.conf VSCode调试

2025-12-26 14:20:45 887

原创【algorithm】复习横向控制中前轮转角、前馈量粗计算

摘要：本文介绍了三次多项式在横向控制中的应用，包括参考线、车道线和自车轨迹的描述方法。通过最小二乘拟合和几何关系求导，可将多项式系数映射为位置、航向角、曲率及其变化率。同时推荐了散点曲率计算方法，包括几何面积法和差分法（内含最小二乘）等具体实现方案，并附相关技术文章链接供参考。

2025-09-26 13:56:15 193

原创 [algorithm] 时空联合规划论文粗读和代码阅读

本文总结了自动驾驶时空联合规划的学习笔记，重点对比了横纵解耦规划与时空联合规划的优缺点。传统横纵解耦方法（如SL/ST图规划）存在静态障碍物假设缺陷和计算效率问题，而时空联合规划通过三维时空建模、连续时空约束和交互行为建模，能实现更优的动态避让和多模态决策。文章还分析了XY坐标系与SLT坐标系在结构化/非结构化道路中的适用性差异，指出SLT坐标系通过参考线约束和维度解耦可显著降低计算复杂度，而XY坐标系在非结构化环境中更具灵活性。最后讨论了不同规划方法在实际场景中的应用效果。

2025-07-16 00:25:53 1979 1

原创【unity】unity的微信小程序开发学习（to be continued）

本文整理了Unity小游戏开发的学习资料和基础教程要点。主要包括：微信官方开发文档链接、Unity引擎下载地址、游戏开发基础学习截图，并强调了PlayMode设置的重要性。同时指出Unity脚本开发需使用原生工具链，提供Visual Studio安装建议。最后展示了初步学习成果截图，为Unity小游戏开发初学者提供了实用参考资料和注意事项。

2025-07-05 18:29:49 769

原创【游戏设计】微信游戏设计小程序草案

和修一起开发微信小游戏。

2025-07-04 17:56:14 313

原创【python ML】神经网络基础快速复习

本文总结了机器学习基础知识的快速复习要点，主要包括：1）极大似然估计的原理与应用，通过求导优化模型参数；2）逻辑回归的模型公式与损失函数推导；3）感知机的基本原理、损失函数设计及具体示例；4）神经网络在感知机基础上的扩展，重点讲解了非线性激活函数的作用及常见类型；5）梯度下降优化方法的基本原理。内容涵盖概率建模、分类算法和优化方法等核心概念，适合用于知识查漏补缺。

2025-06-24 23:38:55 328

原创【language】常用词汇

lautet seine Bemerkung für Vertreter”：改为 “bezieht sich seine Bemerkung auf den Vertreter”，更符合德语习惯。

2025-03-21 10:41:46 751

原创【软考自学】初级程序员

本文主要介绍了计算机科学与技术领域中的基础知识和核心概念。内容包括进制转换、补码与反码、浮点数表示、逻辑运算、校验码、计算机分类与组成、中央处理器、指令系统以及存储技术等。文章通过图文结合的方式详细阐述了每个知识点的基本原理和应用场景，例如进制的按权展开方法、浮点数的二进制表示、逻辑运算的真值表使用等。此外，还涉及了校验码中的奇偶校验、CRC校验以及海明码的基本概念。整体内容为计算机科学的学习和考试提供了全面的知识概览。

2025-02-24 22:03:13 725

原创【Emotion】打工路夜谈

我所见两人完美的赡养了我的祖辈，又支持了我上学安家。听我姑说小时也是困难时期我爸想让爷爷给大家买草稿纸在纸上写草稿但是没有余钱趁在亲戚来的时候找他们借钱买被揍了一顿了。最后大家还是在推平的土上草稿。至此一对比，长辈在工作上学找对象上都花费了巨大的心血，但几乎都让我的“主见”以及“喜恶“浪费了，却不够强大的能做到心中所想，越发觉得浪费了家人心血，后几十年我苟住，要想办法继续弥补加油。家人老了，以前我感觉我可以一蓑烟雨任平生，但已明白如果我不稳重，会拉着无限支持我的家长甚至未来的后人下水。

2025-02-08 23:07:08 300

原创【cpp】模板函数模板类特化书写格式备忘

收集的关于使用模板函数模板类特化偏特化的笔记用以快速回忆当在模板类的成员函数中调用其他模板成员函数时。当需要指定特定的模板参数时。要把写成函数模板没有偏特化，可以通过重载函数来处理不同的参数类型或数量，从而模拟偏特化的效果，理由是为了避免复杂性和潜在的歧义性，同时通过重载和全特化提供了足够的灵活性和功能。

2024-10-11 23:08:45 613

原创【cpp】 lambda 表达式常用笔记

整理了课程笔记和收集的资料，不断更新。

2024-10-11 00:13:55 732

原创【cpp】不同的初始化的区别

提供了更严格的类型检查，防止不必要的类型转换和潜在错误。优先使用列表初始化来增强代码的安全性和可读性。直接初始化（()）和列表初始化（{}）通常更高效，并且列表初始化支持更严格的类型检查，防止隐式转换。int x = 3;和 int a(3);都允许隐式转换，适用于较宽松的初始化。赋值初始化（=）涉及内存分配和赋值两个步骤，可能会引入隐式转换。

2024-10-08 22:51:17 457

原创【Emotion】前一段时间的断学源自换工作后汽车行业的内卷

之前经历了上一家公司倒闭欠薪，（部门内部提前有消息，大家提前开始准备刷题，所以还比较顺利，但是有几个月很担心），重新找工作，比较顺利的过渡衔接后，也结合个人情况，考虑过回老家稳定生活结婚，run等选项。另一方面这是我第一家感受到后勤支援很快很效率的公司，工作站，显示器，软件办公的各种问题都能快的被解决，还有庞大的软件平台，数据量，让问题分析都变得很容易。之前挖的坑可能有部分要暂断了，后续想基于新的方向，感知融合，随笔写一些粗浅的心得，研究一下有意思的新东西，甚至是做做微信小程序之类的东西。

2024-07-29 14:49:54 427 2

原创【docker】Docker学习收集

新公司开发使用docker来部署和统一大家的开发环境，故再次记录好用的学习链接和自己遇到的奇怪问题。

2024-03-21 00:00:00 479

原创【cpp】深蓝学院 c++课程基于课后作业的学习复习汇总其1 1-6节

N年前上来深蓝学院cpp的课，老师是大牛但却有讲的特别细致，感觉对于入门的我有很大帮助。当时作为初学者有很多不理解的地方，现在工作了几年回头去看理解深刻了一些，将会在学习行业算法的时候，复习一下课程内容。不会去罗列课程知识点，老师讲的太细致了，可以作为工作书遇到回来再查看。其实问CHATGPT也很方便了，但问之前也需要有一个知识框架。同时网上书籍也很多，这里就计划基于每一章节的作业区复习整理相关的知识，，同时与实际使用时尚未见过的章节和知识点会优先级排后。

2024-02-28 17:36:57 1945

原创【cpp algorithm】点与线段关系的简单代码 && 判定点在多边形内

本文介绍了判断点是否在多边形内的算法实现。主要内容包括：1）通过向量投影方法计算点到线段的距离，判断投影点是否在线段上；2）利用叉积判断点与线段的左右关系；3）射线法判断点是否在多边形内，即从点向右发水平射线，统计与多边形边的交点数量，奇数次相交表示点在多边形内。文中给出了C++代码示例，展示了如何计算点到线段的距离和投影点坐标，以及如何实现射线法判断点与多边形的位置关系。该算法适用于计算机图形学和传感器数据处理等领域。

2024-02-03 00:00:00 472

原创【algorithm】一个简单的PID工程 base 用于手生时候快速复习用于设计模式 cpp语法八股快速复习校验

最近项目一直用matlab，防止手生整一个回忆工具使用的简单的pid demo，走一边流程，包括配工程debug看结果，复用之前记录的配置见我的blog。visual studio在这方面感觉比vscode 方便不少。

2024-01-30 11:59:11 784

原创 [algorithm] 自动驾驶规划 && 非线性优化学习系列之1 ：车辆横向运动&&动力学详细解释

表述车横向状态的空间状态方程服务目的改为基于横向误差得状态描述的话，需要做如下调整：定义状态量为从车道中心线到车辆质心的距离，相对车道的车辆方向误差。该模型要基于三个假设，车速恒定，半径恒定，半径r不是很小，让tan可以线性化。结果为结果可以整理为上图。当所走路线为直线的时候则认为我期待一个不存在heading的状态（忽略beta侧偏角）那么Pi des 为0.若考虑坡度则要再横向受力维度加上 sin bank。

2024-01-24 14:37:25 1715

原创【toolschain】关于anaconda安装包时候系统级全局安装还是安装在虚拟环境里的问题总结

A 基本上是的，Conda 的环境隔离是由它的命令行工具和软件包管理系统来管理的。若要确保安装在特定的 Conda 环境中，最好使用 Conda 提供的命令安装软件包。Conda 安装：使用 conda install 命令安装的软件包会被放置在当前激活的 Conda 环境中。这些软件包只在该环境下可见和可用。

2023-12-29 17:42:59 1279

原创【algorithm】自动驾驶常见常考的几个模型和推导，顺便总结自己遇到的考题经验不断更新之———控制版

本来快达成目标了，没想到公司遭受了问题，公司和同事我感觉还是挺好的，有国企的正规也有小企业的灵活，大家都很有学习欲望。

2023-12-29 17:36:50 1288 3

原创【toolschain algorithm cpp ros】cpp工厂模式实现--后续填充具体规划算法，控制器版的已填充了算法接入了仿真器

现在局势危机，于是想复习一下之前写的设计模式，之前提到，做过一个闭环仿真器（借用ros），见我的控制器的建立遵循了工厂模式（多态、工厂、客户订阅）。目前按照之前的设计，把规划器也改写成类似的模式。未来接入我的闭环仿真器械中。本篇文章只设计框架的搭建，具体算法lattice搭建完毕填充以及其他算法为看时间缓慢的更新吧。有错误和问题还请大大们指点阿。

2023-12-22 18:47:16 1325

原创 [ToolsChain] 关于cmake 编译时候编译器寻找路径问题，两种解决即使findpackage也提示找不到头文件或库的办法

自动安装了anaconda 之后（以及使用源码编译安装，apt安装等不同方式）安装库，我编写cmakelist的时候会经常找不到一些已经确认安装好的库，如有此篇记录，防止corona后遗症。

2023-12-22 15:38:11 2783 1

原创 [cpp] 又要刷题之笔记自我看的懂 ctrl f快速查询

1.之前存书签和leetcode笔记太乱了2.链接不一定最佳，这东西能看就行3. 不可告人的链接。

2023-12-20 19:42:17 270

原创 [ToolsChains CPP] Osqp的使用之二：MPCdemo-自动驾驶纵向mpc控制

本文是上一篇的后续，本文将先解读官网mpc的例子，然后实现一个自己设计的mpc的控制器；不远的未来的目标是成为我闭环仿真器（轨迹处理、规划、控制接入基于学习的车辆模型）的一环（目前是pp控制），遥远的未来实现强化学习自动调整参数。

2023-12-20 19:41:10 3663 7

原创 [ToolsChains CPP] Osqp库的基础&&示例&&MPCdemo

本文参考官方教程，重复经典示例，然后自行搭建一个MPC控制器，并且接入我的闭环仿真器。

2023-12-19 19:50:14 3175

原创 [toolschain] 头文件有下划线报错不好看，ubuntu下vscode如何设置包含目录路径，以及如何找到安装包的头文件

本文是把之前的散落在不同blog中的记录，总结单独合成了一篇文章。

2023-12-19 17:48:32 1295

原创 [Toolschain cpp ros cmakelist python vscode] 记录写每次项目重复的设置和配置不断更新

用以前的设置，快速配置项目，以防长久不用忘记，部分资料在资源文件里还没有整理。

2023-12-19 14:19:16 1018

原创 [ML] Pytorch自学实战项目其4：基于学习（RNN）算法的车辆状态估计，展示归纳总结当前结果，以及展望下一步

之前一直有一个不太合理的错误，我的推理结果应该只有自车速度和Yawrate是合理的。计划但忘记了将比如加速度等量移出参考label。其中纵向速度认为和加速度yawrate和之前的速度有关yawrate认为和轮速度差、总线横向加速度、总线yawrate、方向盘转角、车速相关。其次就是对于RNN结构我们不应该使用BN层作处理，这里最好使用LN在sample的feature的特征维度上做归一化，因为我没有在训练前做数据的特征缩放所以在训练时在特征维度上要消除数量级的差异以便使用MSE函数。

2023-12-13 21:32:25 982 2