weixin_65089713的博客

端到端自动驾驶也就是end-to-end autonomous driving（下面用端到端代替）的早期定义是“从传感器输入到控制输出的单一神经网络模型”，现阶段端到端的定义是“感知信息无损传递，自动驾驶系统的全局优化。

本文的架构是利用LLM来分析和推理各种场景，提高high-level的决策，并通过调整参数矩阵转换为low-level的底层控制信息输送给MPC。由于情况是预定义的，因此可以直接调整到相应的权重矩阵，从而来提供加速减速或转向的指导。因此LLM系统通过辨别车辆的意图与优先路权，并判断是否与自车有冲突的可能，最终有可能冲突的车辆则是我们需要注意的，从而形成。LLM处理复杂和广泛的数据通过一个思维链的框架，思维链通过一系列的工具来串联，工具让LLM在决策过程中遵循每次只获取。总之，LLM拥有推理能力，

城市道路轨迹规划的难点在于有很多语义元素。不同的语义元素有不同的数学表征形式，提出了一种新的统一的时空语义走廊来为不同类别的语义元素来提供abstraction，可以推广到任何语义元素组合的场景。SSC由一系列互相连接的无碰撞cubes组成，其中包含了动态约束，并且轨迹生成问题可以归结于一个QP问题，并且通过贝塞尔曲线来保证轨迹安全性和可行性。

圆的性质是圆心到圆周各点等距，这非常适合碰撞检测，如果两个物体能近似为圆，那么两个物体之间是否碰撞，则可以利用两个圆心之间的距离是否大于半径之和就可以判断，但是大部分物体若用圆去近似将产生较大的冗余部分，因此针对汽车，一篇2010年的IEEE IV提出通过多个圆去覆盖车辆，这个方法极大地提高了自动驾驶汽车碰撞检测的计算速度，也是现在广泛使用的方法

Constant Velocity 模型：假设目标做匀速直线运动，再恒定速度的基础上加上高斯分布的噪声这是CV模型的连续表达形式与离散表达形式对于二维来说，CV模型比之前的一维模型复杂一些，可以看作两个方向的合成（矩阵的拼接）在代码中一般通过离散形式去simulate，这是一个CV模型的Python示例由右图可知，CV模型在遇到时效果较差、

nuPlan是。虽然基于机器学习的运动规划算法越来越多，但由于缺乏成熟的数据集、模拟框架和指标，限制了这一领域的进展。现有的自动驾驶汽车运动预测基准（）侧重于其他智能体的。这导致以前的工作使用，这不适合公平地评估长期规划。nuPlan提供了一个训练框架来开发一个、一个轻量级的,、一个运动规划的和一个可视化结果的。

kinodynamic是一个合成词，由运动学与动力学组成这样的一个规划问题是受限于运动学约束：如避障、高阶微分模型。受限于动力学约束：如状态量控制量有界。

inflation_layer:膨胀层，用于在障碍物外标记一层危险区域，在路径规划时需要避开该危险区域当你选用了footprint，那么膨胀层就没有意义了，因为只有你是圆形的，障碍物才能进行有意义的闵可夫斯基和运算同时footprint是利用多边形计算代价，在耗算力，如果为了节省算力，可以用圆，冗余的部分当做缓冲就行如果你发现怎么调膨胀距离都会碰，因为膨胀层仅在圆形时有效，因此为了使用有安全距离的footprint，必须直接扩大footprint通过下图来认识下为何要设置膨胀层以及意义：

而具身足迹的意思则是在两个离散点之间自动驾驶汽车自身所覆盖的足迹，这并不是一个新的概念，计算机图形学中的扫掠体与这个具身足迹的意义相同。李柏老师用矩形框去近似具身足迹，也就实现了连续碰撞检测，但是有些保守，不适合狭窄空间，但是安全性较好，具体结合曲率去分析这个具身足迹的性质可以参考原文

这种方法是游戏中或物理引擎中常用的，AABB是指一个东西的包围盒，但是它横平竖直的，而OBB是会随着这个东西而旋转，包围盒始终不变，显然AABB相对保守但是后续计算简单，OBB更精确但是后续计算复杂。当对于两个凸边形是否相交，又可以转换为是否凸边形的每个顶点都在另一个凸边形之外，那么判断一个点是否在凸边形之外的计算几何算法就有很多，比如。对于自动驾驶汽车或机器人的路径规划，碰撞检测是其中非常重要的一个模块，因为碰撞检测不仅仍然是路径规划中的。受益于多边形的性质，对于两个都是多边形的物体，

由于L1-罚函数非光滑，因此无约束优化问题P的收敛速度无法保证，这实际上就相当于用牺牲收敛速度的方式来换取优化问题P的精确最优解。，如在1e-2~1e-3之间可接受。约束违背量不要求特别小时可采用。除了直接一步到位，还可以。

欢迎大家关注我的B站：偷吃薯片的Zheng同学的个人空间-偷吃薯片的Zheng同学个人主页-哔哩哔哩视频 (bilibili.com)本文ppt来自深蓝学院《机器人中的数值优化》

如何解决Hessian矩阵非正定的情况求解线性系统需要很精确么引入截断的机制，如果Hessian矩阵不是正定的，而且是初始位置，说明刚开始用共轭梯度的效果很差，所以直接把搜索方向改为负梯度方向，到达一个相对较好的初始位置否则直接break，因为如果此时用共轭法可能会让函数上升

hessian矩阵需要n方的复杂度，逆需要n三次方的复杂度，我们求解d需要hessian矩阵的逆hessian与向量的乘积经过泰勒展开的简化可以变为只需求两次梯度

对于strong wolfe conditions来说，非凸函数会导致条件失败，因为非凸。通过右侧框图中的算法流程可以把复杂度从n方降到n，具体细节可以阅读论文。想要实现应用于非凸非光滑函数的BFGS，需要在BFGS的基础上加上。对于非凸光滑的函数，L-BFGS是最优的，对于非凸非光滑函数，L-BFGS也可以应用。这也就是所谓limited-memory。来实现每次迭代只利用m+1对。当迭代点之间相隔很远，不是很有用，同时为了。

参数映射通过线性时间复杂度与空间复杂度将轨迹转化，使代价函数可以二阶连续为了解决时间积分约束，如避障和动态可行性，通过采样将其转化为有限维度约束

一个机器人编队可以被建模为一个无向图，每个机器人可以与其他机器人通信，因此图是完备的，图中edge的值是两个机器人之间的距离的平方A是邻接矩阵，D是度矩阵，L是拉普拉斯矩阵，同时对其进行。

（4）操纵机构：分离杠杆、分离杠杆支承柱、摆动销、分离套筒、分离轴承、离合器踏板。分离间隙：离合器彻底分离后，从动盘工作端面与飞轮及压盘表面间的间隙。按螺旋弹簧布置方式分类：周布螺旋弹簧离合器、中央弹簧离合器。自由间隙：离合器接合时，分离轴承端面与分离杠杆端头间的间隙。自由行程：从踩下离合器踏板到自由间隙消除所对应的踏板行程。（2）从动部分：从动盘、从动轴（即变速器第一轴）按压紧弹簧分类：膜片弹簧离合器、螺旋弹簧离合器。分离过程：首先消除自由间隙，然后产生分离间隙。（1）主动部分：飞轮、压盘、离合器盖。